蚁群算法路径优化算法.docx

以TSP为例，基本蚁群算袪的具体实现步骤如下，
（1）参数初始化二令时间许0和循环次数卩％设置最大循环权数兀=0；将m只蚂蚁置于11个元素（城市）上，令有自图上每条边
（2）循环次数兌■凡+1,
⑶蚂蚁的禁忌表索引号k=l,
（4）
以TSP为例，基本蚁群算袪的具体实现步骤如下，
（1）参数初始化二令时间许0和循环次数卩％设置最大循环权数兀=0；将m只蚂蚁置于11个元素（城市）上，令有自图上每条边
（2）循环次数兌■凡+1,
⑶蚂蚁的禁忌表索引号k=l,
（4）蚂蚁数目仁・女+「
（5）蚂蚁个体根据状态转移概率公式计算的概率选择元素〔城市）j并前逬,
,若丿calloyedA
jEC-tabiikD
p；G)=JXkj?)］【九①尸
SCOXlOTAl
,0,否则
其中，表示在t时刻蚂蚁k由元素（城市）i转移到元素（城市）j的状态转移概率。allowedk=C-tabuk表示蚂蚁k下一步允许选择的城市。a为启发式因子，表示轨迹的相对重要性,反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强。B为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越旳⑷=扌7大，则该状态转移概率越接近于贪心规则；nj（t）为启发函数，表达式为■。
式中，dij表示相邻两个城市之间的距离。（6）修改禁忌表指针，即选择好之后将蚂蚁移动到新的元素（城市），并把该元素（城市）移动到该蚂蚁个体的禁忌表中。（7）若集合C中元素（城市）未遍历完，即k<m，则跳转到第（4）步，否则执行第（8）步。（8）根据公式冲
Ar0（i）=工△枷）
更新每条路径上的信息量:Tij（t+n）=（1-p）*Tij（t）+ATij（t）,
（9）若满足结束条件，即如果循环次数，则循环结束并输出程序计算结果，否则清空禁忌表并跳转到第（2）步。
蚁群算法的matlab源程序
:
%function[bestroute,routelength]=Ant
Clc
clear
tic
%读入城市间距离矩阵数据文件
CooCity=load（''）;%城市网络图坐标数据文件，txt形式给出
NC=length（CooCity）;%城市个数
fori=1:NC%计算各城市间的距离
forj=1:NC
distance(i,j)=sqrt((CooCity(i,2)-CooCity(j,2))A2+(CooCity(i,3)-CooCity(j,3))A2);end
end
MAXIT=10;%最大循环次数
Citystart=[];
%起点城市编号
tau=ones(NC,NC);%初始时刻各边上的信息痕迹为1
rho=;alpha=1;
beta=5;
Q=10;
NumAnt=20;routelength=inf;forn=1:MAXIT
%挥发系数
%残留信息相对重要度
%预见值的相对重要度
%蚁环常数
%蚂蚁数量
%用来记录当前找到的最优路径长度
fork=1:NumAnt%考查第K只蚂蚁
deltatau=z