acatsp.asv

使用蚂蚁算法解决商旅问题(TSP) Matlab GUI 编程

function [Best_Dist,Best_Path]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q,Objs)
%%=========================================================================
%% ACATSP.m
%% Ant Colony Algorithm for Traveling Salesman Problem
%% ChengAihua,PLA Information Engineering University,ZhengZhou,China
%% Email:[e-mail]
%% All rights reserved
%%-------------------------------------------------------------------------
%% 主要符号说明
%% C n个城市的坐标，n×2的矩阵
%% NC_max 最大迭代次数
%% m 蚂蚁个数
%% Alpha 表征信息素重要程度的参数
%% Beta 表征启发式因子重要程度的参数
%% Rho 信息素蒸发系数
%% Q 信息素增加强度系数
%% R_best 各代最佳路线
%% L_best 各代最佳路线的长度
%%=========================================================================
%http://www.codeproject.com/cpp/GeneticandAntAlgorithms.asp
%%第一步：变量初始化
n=size(C,1);%n表示问题的规模（城市个数）
D=zeros(n,n);%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(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
        else
            D(i,j)=eps;
        end
        D(j,i)=D(i,j);
    end
end
Eta=1./D;%Eta为启发因子，这里设为距离的倒数
Tau=ones(n,n);%Tau为信息素矩阵
Tabu=zeros(m,n);%存储并记录路径的生成
NC=1;%迭代计数器
TotalTime = 0;

Best_Dist=inf           %最短路径长度
Best_Path = zeros(n,2); %最短路径


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
     tic
    Randpos=[];
    for i=1:(ceil(m/n))
        Randpos=[Randpos,randperm(n)];
    end
    Tabu(:,1)=(Randpos(1,1: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
    L=zeros(m,1);
   
    for j=2:n
         
        for i=1:m
            visited=Tabu(i,1:(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
            P = (Tau(visited(end),J).^Alpha).* (Eta(visited(end),J).^Beta);
           % for k=1:length(J)
           %     P(k)=(Tau(Lt,J(k))^Alpha)*(Eta(Lt,J(k))^Beta);
           % end
            P=P/(sum(P));
          
            %按概率原则选取下一个城市
           Pcum=cumsum(P);
%            Pcum
           Select=find(Pcum>=rand);
          % Select = find(P ==max(P)); 
           to_visit=J(Select(1));
            Tabu(i,j)=to_visit;
            L(i) = L(i) + D(visited(end),to_visit);
            if j == n
                L(i) = L(i) + D(to_visit,Tabu(i,1));
            end
        end    
    end
    %%第四步：记录本次迭代最佳路线
    if min(L) < Best_Dist
       Best_Dist = min(L)         %记录最小路径长度
       pos = find(L == Best_Dist);  %找到是第几个蚂蚁
       for i = 1:m
           Best_Path(i,:)=C(Tabu(pos,i),:);
       end
       plot(Best_Path(:,1),Best_Path(:,2),'o:','Parent',Objs.MapCurver);
    end


    NC=NC+1
    %%第五步：更新信息素
    Delta_Tau=zeros(n,n);
    for i=1:m
        for j=1:(n-1)
            Delta_Tau(Tabu(i,j),Tabu(i,j+1))=Delta_Tau(Tabu(i,j),Tabu(i,j+1))+Q/L(i);
        end
        Delta_Tau(Tabu(i,n),Tabu(i,1))=Delta_Tau(Tabu(i,n),Tabu(i,1))+Q/L(i);
    end
    Tau=(1-Rho).*Tau+Delta_Tau;
    
    %%第六步：禁忌表清零
    Tabu=zeros(m,n);
    TotalTime = TotalTime +  toc;
     
     
     %%更新信息
    set(Objs.StepNum,'String',int2str(NC));
    set(Objs.MinDistance,'String',num2str(Best_Dist));
    set(Objs.ElapsedTime,'String',num2str(TotalTime));
    set(Objs.AvgTime,'String',num2str(TotalTime/NC));
    drawnow;
    pause(0.01);
end

%%第七步：输出结果
%subplot(1,2,1)
%DrawRoute(C,Shortest_Route,Objs)
%subplot(1,2,2)
%plot(L_best)
%hold on
%plot(L_ave)