基本蚁群算法python实现

import randomcopy
class Ant:
    # 任务个数
    n=9
    # 机器/集合个数
    m=3
    # 每个任务的代价
    A=[81402646598537115]
    # 信息素
    xxs=[]
    # 初始化每条边的信息素值
    init_xxs_value=1
    # 信息素挥发因子
    p=0.4
    # 一次蚂蚁搜索所释放的信息素总量
    Q=600
    # 总迭代次数
    nc=3000
    # 搜索结果/符合条件的较好结果
    S=[A[][]]
    path=[0000000000]
    # 蚂蚁数量
    ant_number=m
    # 初始化信息素列表
    def init_xxs（self）:
        edge_value=[]
        # 初始化第0层到第1层选择信息素
        for i in range（0self.m）:
            edge_value.append（self.init_xxs_value）
        self.xxs.append（edge_value）
        # 初始化第i层到第i+1层选择信息素
        for i in range（1self.n）:
            edge_value=[]
            for j in range（0self.m）:
                temp_list = []
                for z in range（0self.m）:
                    temp_list.append（self.init_xxs_value）
                edge_value.append（temp_list）
            self.xxs.append（edge_value）

    # 一只蚂蚁搜索过程，得到一个搜索路径列表，第i个元素j代表在第i层选择第j个集合/机器
    def an_ant_search（self）:
        path_list = [0]
        # 从第0层开始搜索，一直到第n-1层每层选择下一层需要安排的任务
        for i in range（0self.n）:
            #生成一个选择随机数[01）
            random_number = random.random（）
            # 获取选择区间列表，如果随机数落在区间[pp+1）上，则选择p
            select_random_range_list = self.range_xss（ipath_list[path_list.__len__（）-1]）
            select_set_index = self.select_set（random_numberselect_random_range_list）
            path_list.append（select_set_index）
        return path_list
    # 获取选择区间列表（01）输入第i层，选择了第j个集合，返回第i+1层选择集合的概率区间
    def range_xss（selffloor_iset_j）:
        result_list=[0]
        if floor_i == 0:
            sum_tao= sum（self.xxs[0]）
            sum_temp=0
            for i in range（0self.m）:
                sum_temp+=self.xxs[0][i]/sum_tao
                result_list.append（sum_temp）
            return result_list
        else:
            sum_temp = 0
            sum_tao = sum（self.xxs[floor_i][set_j]）
            for i in range（0self.m）:
                sum_temp+=self.xxs[floor_i][set_j][i]/sum_tao
                result_list.append（sum_temp）