资源简介
旅行商问题(Traveling Saleman Problem,TSP)是车辆路径调度问题(VRP)的特例,由于数学家已证明TSP问题是NP难题,因此,VRP也属于NP难题。旅行商问题(TSP)又译为旅行推销员问题、货郎担问题,简称为TSP问题,是最基本的路线问题,该问题是在寻求单一旅行者由起点出发,通过所有给定的需求点之后,最后再回到原点的最小路径成本。
代码片段和文件信息
function [R_bestL_bestL_aveShortest_RouteShortest_Length]=ACATSP(CNC_maxmAlphaBetaRhoQ)
%%第一步:变量初始化
n=size(C1);%n表示问题的规模(城市个数)
D=zeros(nn);%D表示完全图的赋权邻接矩阵
for i=1:n
for j=1:n
if i~=j
D(ij)=((C(i1)-C(j1))^2+(C(i2)-C(j2))^2)^0.5;
else
D(ij)=eps;
end
D(ji)=D(ij);
end
end
Eta=1./D;%Eta为启发因子,这里设为距离的倒数
Tau=ones(nn);%Tau为信息素矩阵
Tabu=zeros(mn);%存储并记录路径的生成
NC=1;%迭代计数器
R_best=zeros(NC_maxn);%各代最佳路线
L_best=inf.*ones(NC_max1);%各代最佳路线的长度
L_ave=zeros(NC_max1);%各代路线的平均长度
while NC<=NC_max%停止条件之一:达到最大迭代次数
%%第二步:将m只蚂蚁放到n个城市上
Randpos=[];
for i=1:(ceil(m/n))
Randpos=[Randposrandperm(n)];
end
Tabu(:1)=(Randpos(11:m))‘;
%%第三步:m只蚂蚁按概率函数选择下一座城市,完成各自的周游
for j=2:n
for i=1:m
visited=Tabu(i1:(j-1));%已访问的城市
J=zeros(1(n-j+1));%待访问的城市
P=J;%待访问城市的选择概率分布
Jc=1;
for k=1:n
if length(find(visited==k))==0
J(Jc)=k;
Jc=Jc+1;
end
end
%下面计算待选城市的概率分布
for k=1:length(J)
P(k)=(Tau(visited(end)J(k))^Alpha)*(Eta(visited(end)J(k))^Beta);
end
P=P/(sum(P));
%按概率原则选取下一个城市
Pcum=cumsum(P);
Select=find(Pcum>=rand);
to_visit=J(Select(1));
Tabu(ij)=to_visit;
end
end
if NC>=2
- 上一篇:TSP多种群蚁群算法
- 下一篇:材料力学中的挠曲线绘图MATLAB程序
相关资源
- TSP多种群蚁群算法
- 蚁群算法TSP问题工具箱
- 蚁群算法的matlab源码
- 基于蚁群算法的路径规划源码
- 蚁群算法用于图像的边缘检测
- 基于matlab的蚁群算法和仿真结果图
- 基于蚁群算法的图像边缘检测算法M
- 蚁群算法的最短路径MATLAB程序
- 改进型的最大最小蚁群算法求解云计
- 蚁群算法用法
- 蚁群算法求函数最值
- 蚁群算法的特征选取 matlab实现
- 蚁群算法求函数最大值的程序
- 拉曼光谱特征峰提取的蚁群算法的M
- matlab解决旅行者问题的三种算法遗传
- MATLAB基于蚁群算法的二维路径规划算
- 连续域蚁群算法的matlab实现
- Matlab 蚁群算法
- 蚁群算法实现TSP问题
- 蚁群算法优化PID参数
- 自己写的蚁群算法实验带GUI matlab写的
- 蚁群算法最短路径通用Matlab程序
- 基于蚁群算法的图像边缘检测
- 蚁群算法解决01背包问题
- 基于Matlab的QoS组播路由问题的蚁群算
- 图像边缘检测
- 蚁群算法动态寻路算法
- text-edge-detection 蚁群算法
- CVRP 一个用蚁群算法做OCVRP的代码。不
- 基于蚁群算法的机器人路径规划(避
评论
共有 条评论