function?[R_bestL_bestL_aveShortest_RouteShortest_Length]=ACATSP（CNC_maxmAlphaBetaRhoQ）

%%-------------------------------------------------------------------------

%%?主要符號(hào)說明

%%?C?n個(gè)城市的坐標(biāo)，n×2的矩陣

%%?NC_max?最大迭代次數(shù)

%%?m?螞蟻個(gè)數(shù)

%%?Alpha?表征信息素重要程度的參數(shù)

%%?Beta?表征啟發(fā)式因子重要程度的參數(shù)

%%?Rho?信息素蒸發(fā)系數(shù)

%%?Q?信息素增加強(qiáng)度系數(shù)

%%?R_best?各代最佳路線

%%?L_best?各代最佳路線的長(zhǎng)度

%%=========================================================================

%%第一步：變量初始化

n=size（C1）;%n表示問題的規(guī)模（城市個(gè)數(shù)）

D=zeros（nn）;%D表示完全圖的賦權(quán)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;

else

D（ij）=eps;??????%i=j時(shí)不計(jì)算，應(yīng)該為0，但后面的啟發(fā)因子要取倒數(shù)，用eps（浮點(diǎn)相對(duì)精度）表示

end

D（ji）=D（ij）;???%對(duì)稱矩陣

end

end

Eta=1./D;??????????%Eta為啟發(fā)因子，這里設(shè)為距離的倒數(shù)

Tau=ones（nn）;?????%Tau為信息素矩陣

Tabu=zeros（mn）;???%存儲(chǔ)并記錄路徑的生成

NC=1;???????????????%迭代計(jì)數(shù)器，記錄迭代次數(shù)

R_best=zeros（NC_maxn）;???????%各代最佳路線

L_best=inf.*ones（NC_max1）;???%各代最佳路線的長(zhǎng)度

L_ave=zeros（NC_max1）;????????%各代路線的平均長(zhǎng)度

while?NC<=NC_max????????%停止條件之一：達(dá)到最大迭代次數(shù)，停止

%%第二步：將m只螞蟻放到n個(gè)城市上

Randpos=[];???%隨即存取

for?i=1:（ceil（m/n））

Randpos=[Randposrandperm（n）];

end

Tabu（:1）=（Randpos（11:m））‘;????%此句不太理解？

%%第三步：m只螞蟻按概率函數(shù)選擇下一座城市，完成各自的周游

for?j=2:n?????%所在城市不計(jì)算

for?i=1:m????

visited=Tabu（i1:（j-1））;?%記錄已訪問的城市，避免重復(fù)訪問

J=zeros（1（n-j+1））;???????%待訪問的城市

P=J;??????????????????????%待訪問城市的選擇概率分布

Jc=1;

for?k=1:n

if?length（find（visited==k））==0???%開始時(shí)置0

J（Jc）=k;

Jc=Jc+1;?????????????????????????%訪問的城市個(gè)數(shù)自加1

end

end

%下面計(jì)算待選城市的概率分布

for?k=1:length（J）

P（k）=（Tau（visited（end）J（k））^Alpha）*（Eta（visited（end）J（k））^Beta）;

end

P=P/（sum（P））;

%按概率原則選取下一個(gè)城市

Pcum=cumsum（P）;?????%cumsum，元素累加即求和

Select=find（Pcum>=rand）;?%若計(jì)算的概率大于原來的就選擇這條路線

to_visit=J（Select（1））;

Tabu（ij）=to_visit;

end

end

if?NC>=2

Tabu（1:）=R_best（NC-1:）;

end

%%第四步：記錄本次迭代最佳路線

L=zeros（m1）;?????%開始距離為0，m*1的列向量

for?i=1:m

R=Tabu（i:）;

for?j=1:（n-1）

L（i）=L（i）+D（R（j）R（j+1））;????%原距離加上第j個(gè)城市到第j+1個(gè)城市的距離

end

L（i）=L（i）+D（R（1）R（n））;??????%一輪下來后走過的距離

end

L_best（NC）=min（L）;???????????%最佳距離取最小

pos=find（L==L_best（NC））;

R_best（NC:）=Tabu（pos（1）:）;?%此輪迭代后的最佳路線

L_ave（NC）=mean（L）;???????????%此輪迭代后的平均距離

NC=NC+1??????????????????????%迭代繼續(xù)

%%第五步：更新信息素

Delta_Tau=zeros（nn）;????????%開始時(shí)信息素為n*n的0矩陣

for?i=1:m

for?j=1:（n-1）

Delta_Tau（Tabu（ij）Tabu（ij+1））=Delta_Tau（Tabu（ij）Tabu（ij+1））+Q/L（i）;??????????

%此次循環(huán)在路徑（i，j）上的信息素增量

end

Delta_Tau（Tabu（in）Tabu（i1））=Delta_Tau（Tabu（in）Tabu（i1））+Q/L（i）;

%此次循環(huán)在整個(gè)路徑上的信息素增量

end

Tau=（1-Rho）.*Tau+Delta_Tau;?%考慮信息素?fù)]發(fā)，更新后的信息素

%%第六步：禁忌表清零

Tabu=zeros（mn）;?????????????%%直到最大迭代次數(shù)

end

%%第七步：輸出結(jié)果

Pos=find（L_best==min（L_best））;?%找到最佳路徑（非0為真）

Shortest_Route=R_best（Pos（1）:）?%最大迭代次數(shù)后最佳路徑

Shortest_Length=L_best（Pos（1））?%最大迭代次數(shù)后最短距離

subplot（121）??????????????????%繪制第一個(gè)子圖形

DrawRoute（CShortest_Route）?????%畫路線圖的子函數(shù)

subplot（12

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件???????4409??2017-02-07?15:27??蟻群算法完整matlab代碼\ACATSP.m

?????文件????????163??2017-02-07?15:35??蟻群算法完整matlab代碼\命令行.txt

?????文件???????2129??2017-02-07?15:36??蟻群算法完整matlab代碼\運(yùn)行結(jié)果.txt

?????目錄??????????0??2017-02-07?15:36??蟻群算法完整matlab代碼

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

?????????????????6701????????????????????4