TSP的智能算法，里面包含最大最小蚁群算法，蚂蚁系统，蚁群系统
上传时间： 2015-12-01
上传用户：咔乐坞
Csharp实现蚁群算法解决TSP问题，主要是一种模拟生物的进化:用信息素来引导蚂蚁向比较好的方向前进.是学习该算法的很好的参考源码
上传时间： 2016-01-08
上传用户：sdq_123
算法解释： 程序开始运行，蚂蚁们开始从窝里出动了，寻找食物；他们会顺着屏幕爬满整个画面，直到找到食物再返回窝。 其中，‘F’点表示食物，‘H’表示窝，白色块表示障碍物，‘+’就是蚂蚁了。 预期的结果： 各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。
上传时间： 2016-01-19
上传用户：ippler8
蚁群算法是模仿真实的蚁群行为而提出的一种模拟进化算法，蚂蚁之间是通过一种信息素的物质传递信息的，蚂蚁在运动的过程中能够在经过的路径上留下该物质，而且能够感知这种物质的存在及其强度，并以此指导自己的运动方向。它是一种通过类比组合优化和蚁群觅食行为而构造的一种算法，可以用来解决各种组合优化问题，本代码用来解决生产调度问题
上传时间： 2013-12-18
上传用户：ukuk
这是蚂蚁觅食的演示软件，对蚂蚁觅食的过程详细演示，有助于学习者对蚁群算法原理的了解。
上传时间： 2014-01-11
上传用户：杜莹12345
蚁群算法模拟的源程序，可以模拟蚂蚁觅食过程，用C编写的。
上传时间： 2013-12-02
上传用户：希酱大魔王
双蚁群算法实现机器人路径规划，采用面向对象的方法编写，蚂蚁数量和起始点可以设置，障碍率可以设置，障碍可以自动生成也可以手工使用鼠标设置。 已发表相关论文。 有兴趣的朋友可以检索“孙纯哲 凹形障碍全局路径规划的双蚁群完全交叉算法”
上传时间： 2017-07-14
上传用户：zhaiyanzhong
实现了蚁群算法求解TSP问题。注释详细 function[R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q) ------------------------------------------------------------------------- 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 =========================================================================
标签： Shortest_Length Shortest_Route function R_best
上传时间： 2014-01-17
上传用户：lunshaomo
tsp问题的群蚁算法实现，其中c为测试矩阵，代表各点的相对坐标，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，运行后得到最佳路线和收敛曲线
上传时间： 2013-12-27
上传用户：ippler8
蚁群算法基本模型STEP1（外循环）若满足算法停止规则，停止计算，输出计算得到的最好解给定外循环的最大数目，表明有足够的蚂蚁工作当前最优解连续K次相同而停止，K是给定的整数，表示算法已收敛◆给定优化问题的下界和误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止否则使蚂蚁s（1≤s≤m）从起点出发，用L（S）表示蚂蚁S行走的城市集合，初始L（s）为空集。设m只蚂蚁在图的相邻节点间移动，协作异步地得到解。蚂蚁计算出下一步所有可达节点的一步转移概率，并按此概率实现一步移动，依此往复。一步转移概率由图中每条边上的两类参数决定：信息素值、可见度（即先验值）。信息素的更新有2种方式：挥发——所有路径上信息素以一定比率减少增强——给评价值“好”（有蚂蚁走过）的边增加信息素蚁群算法基木模型令我们以求解平面上n个城市的TSP问题（1，2，…，n）表示城市号为例说明ACA的模型。n个城市的TSP问题就是寻找通过n个城市各次且最后回到出发点的最短路径蚁群算法研究现状令ACA是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。10年多来的研究结果已经表明：ACA用于组合优化具有很强的发现较好解的能力，具有分布式计算易于与其他方法相结合、鲁棒性强等优点，在动态环境下也表现出高度的灵活性和健壮性。在求解TSP、QAP问题方面，与遗传算法、模拟退火算法等算法比较，ACA仍是最好的解决方法之一。
标签： 蚂蚁算法
上传时间： 2022-03-10
上传用户：
