蟻群算法研究報(bào)告(文件)
【正文】 um)。NC=1。%各代最佳路線L_best=inf.*ones(NC_max,1)。NC=NC_maxj=2:CityNum for%已訪問的城市 %待訪問城市的選擇概率分布k=1:CityNum J(Jc)=k。end k=1:length(J)P=P/(sum(P))。Pcum=cumsum(P)。endNC=2Tabu(1,:)=R_best(NC1,:)。endi=1:mDelta_Tau(Tabu(i,CityNum),Tabu(i,1))=Delta_Tau(Tabu(i,CityNum),Tabu(i,1))+Q/L(i)。Tabu=zeros(m,CityNum)。endtauji(NC)=Tau(1,2)。%pause。Delta_Tau(Tabu(i,j),Tabu(i,j+1))=Delta_Tau(Tabu(i,j),Tabu(i,j+1))+Q/L(i)。j=1:(CityNum1)NC=NC+1%更新信息素Delta_Tau=zeros(CityNum,CityNum)。R_best(NC,:)=Tabu(pos(1),:)。L(i)=CalDist(dislist,R)。R=Tabu(i,:)。for%四記錄本次迭代最佳路線end%計(jì)算待選城市的概率分布 Jc=Jc+1。isempty(find(visited==k, %待訪問的城市visited=Tabu(i,1:(j1))。%三m只螞蟻按概率函數(shù)選擇下一座城市，完成各自的周游Tabu(:,1)=(Randpos(1,1:m))39。i=1:(ceil(m/CityNum))%二將m只螞蟻放到CityNum個(gè)城市上%各代路線的平均長度R_best=zeros(NC_max,CityNum)。Tabu=zeros(m,CityNum)。%螞蟻個(gè)數(shù)[dislist,Clist]=tsp(CityNum)。CityNum=31。Q=100。%信息素蒸發(fā)系數(shù)%信息素重要程度的參數(shù)(對路徑選擇有很大影響)Beta=5。clear。3. 所有螞蟻根據(jù)概率轉(zhuǎn)換公式和選擇下一城市，并將該元素(城市)移動(dòng)到該螞蟻個(gè)體的禁忌表中。當(dāng)所有元素都存放到tabu k里面時(shí)，螞蟻 k 就找到了一條符合要求的 Hamilton 回路。禁忌表tabu k（k=1,2,…m）中的元素都是螞蟻 k 已經(jīng)走過且不能再次選擇的城市，螞蟻每走過一個(gè)城市，就要把該城市加入到tabuk中，所以tabuk 是不斷變化的集合。AntCycle模型在路徑上信息素的更新機(jī)制利用的是整體信息，這種機(jī)制會(huì)讓段路徑上對應(yīng)的信息量逐漸增大，充分體現(xiàn)了算法中全局范圍內(nèi)較短路徑的生存能力，加強(qiáng)了信息正反饋性能，提高了系統(tǒng)搜索收斂的
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1