function[R_bestL_bestL_aveShortest_RouteShortest_Length]=ASTSP（CNC_maxmAlphaBetap0Q）
%C?n個城市的坐標，n*2矩陣（xy）
%NC_max最大迭代次數
%m?螞蟻個數
%Alpha?表征信息素重要程度的參數
%Beta?表征啟發式因子重要程度的參數
%p0?信息素蒸發系數
%Q?信息素增加強度系數
%R_best?各代最佳路線
%L_best?各代最佳路線的長度


%初始化1
n=size（C1）;%size（C1）返回C的行數，也就是城市個數，n表示城市個數
D=zeros（nn）;%D表示圖的鄰接矩陣，各點的值為每個點到每個點的權值
%?把坐標轉換為鄰接矩陣
for?i=1:n
????for?j=1:n
????????if?i~=j
????????????D（ij）=（（C（i1）-C（j1））^2+（C（i2）-C（j2））^2）^0.5;%簡單地求兩點之間的距離
????????else
????????????D（ij）=eps;%應該賦值為0，但因為后面啟發因子需要取倒數，所以用eps表示，eps為當發現某個值小于eps時，就把這個數當做0來處理
????????end
????????D（ji）=D（ij）;%對稱矩陣
????end
end

%初始化2
%D直接傳入鄰接矩陣
%?n=size（D1）;

QF=1./D;%Eta為啟發因子矩陣，這里設為距離的倒數
XXS=ones（nn）;%XXS為信息素矩陣
JJtable=zeros（mn）;%存儲并記錄路徑的生成，禁忌表，m為螞蟻個數
NC=1;%迭代計數器，記錄迭代次數
R_best=zeros（NC_maxn）;%迭代之后的每一代最佳路線
L_best=inf.*ones（NC_max1）;%各代最佳路線長度，初始化為無窮大
L_ave=zeros（NC_max1）;%各代路線的平均長度

while?NC<=NC_max?%迭代次數到最大停止
????%將m只螞蟻放到n個城市上
????Randpos=[];%隨機位置
????for?i=1:（ceil（m/n））%ceil向正方向取整，求得最多安排幾次
????????Randpos=[Randposrandperm（n）];%randperm把1到n這些數隨機打亂得到的一個數字序列，然后不斷添加到Randpos中去
????end
????JJtable（:1）=（Randpos（11:m））‘;%Tabu（:1）表示Tabu第一行就是初始m只螞蟻被隨機分到所n城市中的一個
????
????%m只螞蟻按概率函數選擇下一座城市，完成各自的周游
????for?j=2:n%從所在城市的下一個城市開始
????????for?i=1:m
????????????visited=JJtable（i1:（j-1））;%記錄已訪問的城市，可避免重復訪問
????????????ToVisitCity=zeros（1（n-j+1））;%待訪問的城市待訪問城市的數量為（n-j+1）
????????????P=ToVisitCity;%待訪問的城市的選擇概率分布
????????????count=1;%訪問的城市個數
????????????for?k=1:n
????????????????if?length（find（visited==k））==0%開始設置為0find（）語句找到visited中等于k的元素在數組visited中的位置，length如果為零就是visited中沒有k元素，即沒有訪問過k城市。
????????????????????ToVisitCity（count）=k;
????????????????????count=count+1;
????????????????end
????????????end
????????????
????????????%下面進行城市的概率分布
????????????for?k=1:length（ToVisitCity）
????????????????%visited（end）表示螞蟻現在所在城市編號，ToVisitCity（k）表示下一個要訪問的城市編號
????????????????P（k）=（XXS（visited（end）ToVisitCity（k））^Alpha）*（QF（visited（end）ToVisitCity（k））^Beta）;
????????????end
????????????P=P/（sum（P））;%把各個路徑概率統一到和為1
????????????
????????????%按概率原則選取下一個城市
????????????
????????????%螞蟻要選擇的下一個城市不是按最大概率，就是要用到輪盤法則，不然影響全局收縮能力，所以用到累積函數，Pcum=cumsum（P）
????????????Pcum=cumsum（P）;%cumsum，元素累加即求和，比如P=[0.1?0.5?0.4]，cumsum（P）=??[0.1000????0.6000????1.0000]
????????????Select=find（Pcum>=rand）;%若計算的概率大于原來的就選擇這條路線
????????????%要選擇其中總概率大于等于某一個隨機數，找到大于等于這個隨機數的城市的在J中的位置
????????????
????????????%輪盤法則，Select（1），1保證可以選到最大概率的城市，比如：p=[0.1?0.6?0.3]中間那個城市概率最大此時Pcum=[0.1??0.7??1]???Select?=[2???3];??Select（1）=2中間那個城市概率最大
????????????to_visit=ToVisitCity（Select（1））;%提取這些城市的編號到to_visit中
????????????JJtable（ij）=to_visit;
????????end
????end
????if?NC>=2
????????JJtable（1:）=R_best（NC-1:）;
????end
????
????%記錄本次迭代最佳路線
????L=zeros（m1）;%記錄本次迭代最佳路線的長度，每個螞蟻都有自己走過的長度記錄在向量L中開始距離為0，m*1的列向量
????for?i=1:m
????????R=JJtable（i:）;
????????for?j=1:（n-1）
????????????L（i）=L（i）+D（R（j）R（j+1））;%原距離加上第j個城市到第j+1個城市的距離
????????end
????????L（i）=L（i）+D（R

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????9215??2018-05-23?10:24??GUI.m

?????文件???????3531??2018-05-23?11:05??SATSP.m

?????文件???????5965??2018-05-23?10:53??ASTSP.m

?????文件???????6631??2018-05-23?16:08??GATSP.m

?????文件??????26687??2018-05-18?15:06??GUI.fig

-----------?---------??----------?-----??----

????????????????52029????????????????????5