一个简单的蚁群算法

#include<time.h>
#include<stdlib.h>
#include <stdio.h>
#include <math.h>


#define Alpha  2    //启发因子 
#define Beta   5    //期望启发因子 
#define M      50   //蚂蚁数量 
#define Q      1    //信息强度 蚂蚁走过路径的总信息素 
#define Rou    0.1  //信息素挥发因子 
#define NUM    30   //城市数量 

City[NUM][2] = {{2,99},{4,50},{7,64},{13,40},{18,54},{18,40},{22,60},{24,42},{25,62},{25,38}, 
    {37,84},{41,94},{41,26},{44,35},{45,21},{54,67},{54,62},{58,35},{58,69},{62,32}, 
    {64,60},{68,58},{71,44},{71,71},{74,78},{82,7},{83,46},{83,69},{87,76},{91,38}
    };

unsigned int Ant_Trace[NUM];   //一只蚂蚁走过的路径 
float Ant_Info[NUM][NUM];      //一只蚂蚁走过路径的信息素 

unsigned int Best_Trace[NUM];   //最短路径 
float Best_Distance = 0;   //最短距离 

float Info[NUM][NUM], Visible[NUM][NUM]; //节点之间的信息素强度,节点之间的能见度 

float AllDistance[NUM][NUM];  //两两城市之间的距离

/ 
//  计算两个城市之间的距离     //
/  
float Calculate_CityToCityDistance(unsigned int i, unsigned int j)  
{  
    return sqrt(pow(( abs(City[i][0] - City[j][0])), 2) + pow(( abs(City[i][1] - City[j][1])), 2));  
}  

/
// 由矩阵表示两两城市之间的距离//
/ 
void Calculate_AllDistance()  
{
	unsigned int i,j;  
	for(i = 0; i < NUM; i++)  
	{  
	    for(j = i; j < NUM; j++)  
	    {  
	        if (i != j)  
	        {  
	            AllDistance[i][j] = Calculate_CityToCityDistance(i, j);  
	            AllDistance[j][i] = AllDistance[i][j]; 
//				printf("%f\n",AllDistance[i][j]); 
	        }
			else
				 AllDistance[i][j] = 0; 
	    }  
	}  
}  


/
//获得经过NUM个城市的路径长度  //
/
float Calculate_TraceDistance(unsigned int* trace)  
{  
    float sum = 0;
	unsigned int k,i,j;  
    for( k = 0; k< (NUM - 1); k++)  
    {  
        i = *(trace + k);  
        j = *(trace + k + 1);  
        sum += AllDistance[i][j];  
    }  
    return sum;  
} 

//计算当前节点到下一节点转移的概率  
float Calculate_NextNodeProbability(unsigned int i, unsigned int j)  
{  
    if (i != j)  
        return (pow(Info[i][j],Alpha) * pow(Visible[i][j], Beta));   
    else   
        return 0.0;      
}  

//初始化路径信息素和能见度  
void Init_Parameter(unsigned int initinfo)  
{
	unsigned int i,j;  
    for(i = 0; i < NUM; i++)  
    {  
        for(j = i; j < NUM; j++)  //初始化路径上的信息素不能为0,否则初始概率都为0 
        {                 
            Info[i][j] = initinfo;  
            Info[j][i] = initinfo;  
            if (i != j)   //初始化路径能见程度 
            {  
                Visible[i][j] = 1.0 / AllDistance[i][j];  
                Visible[j][i] = Visible[i][j]; 
//				printf("%f\n",Visible[i][j]); 
            }
			else
				Visible[i][j] = 0;	  
        }  
    }     
} 

//全路径信息素更新  
void Update_GlobalPathInfo()  
{
	unsigned int i,j;  
    for( i = 0; i < NUM; i++)  
    {  
        for( j = i; j < NUM; j++)
        {
			if( i != j)
			{ 
//			    printf("%f\n",Ant_Info[i][j]);             
		        Info[i][j] = (1.0 - Rou) * Info[i][j] + Ant_Info[i][j];  
		        Info[j][i] =Info[i][j];
			}
			else
				Info[i][j] = 0;
        }  
    }        
}

//计算蚂蚁走过的路径 
void Calculate_AntTrace(unsigned int start_cityindex)
{
	unsigned int trace_citynum = 0, allowed[NUM], current_cityindex;//走过的城市个数,允许的城市列表,当前城市序列号 
	unsigned int  i, j;
	float probability[NUM], sum = 0, rand_buf, top = 0, down = 0, Distance = 0;  //到allowed[]节点的概率,probability[]概率总和,暂存随机数的值,上下限值,路径 
	
	current_cityindex = start_cityindex;
	Ant_Trace[0] = current_cityindex;  //记录走过的路径 
	for( i = 0; i < NUM; i++)    //初始化allowed[] 
	{
 		allowed[i] = i;
	}
	
	while( trace_citynum < NUM)   //遍历城市 
	{
		for( i = 0; i < (NUM - trace_citynum); i++)  //更新allowed[] 
		{
			if( allowed[i] == current_cityindex)//在allowed[]去除current_cityindex元素 
			{
				for( j = i; j < (NUM - trace_citynum - 1); j++) //将allowed[]向前移动 
			 	{
			 		allowed[j] = allowed[j + 1];
			 	}
			 	break;
			}
		}
//		for( i = 0; i < (NUM - trace_citynum - 1); i++)
//		{
//			printf("%d ",allowed[i]);
//		}
//		printf("\n",NULL);
		for( i = 0; i < (NUM - trace_citynum - 1); i++)       //计算各allowed[]节点的概率 
		{
			probability[i] = Calculate_NextNodeProbability( current_cityindex, allowed[i]);
			sum += probability[i];
//			printf("%f ",probability[i]);
		}
		for( i = 0; i < (NUM - trace_citynum - 1); i++)       //各allowed[]节点的概率转化成0--RAND_MAX之间的区间 
		{
			probability[i] = ( probability[i] / sum) * RAND_MAX;
//			printf("%f   ",probability[i]);
		}
		sum = 0;		
		rand_buf = rand();   //生成随机数 
//		printf("\n%f\n",rand_buf);
		for( i = 0; i < (NUM - trace_citynum - 1); i++)  //查找区间 
		{
			top += probability[i];    //更新上限值 
			if( down <= rand_buf && rand_buf <= top)
			{
				current_cityindex = allowed[i];  //更新到下一个节点 
				break; 
			}
			down += probability[i];  //更新下限值 
		}
		top = 0;
		down = 0;
		
		trace_citynum++;   //更新走过的城市个数
		Ant_Trace[trace_citynum] = current_cityindex;  //记录走过的路径	

	}
	Distance = Calculate_TraceDistance( Ant_Trace );  //计算路径总长度 
	for( i = 0; i < NUM; i++)   //先清除路径的信息素 
	{  
	    for( j = 0; j < NUM; j++)  
	    {  
            Ant_Info[i][j] = 0;   
	    }  
	}
	for( i = 0; i < NUM - 1; i++)   //记录走过路径的信息素 
	{ 
		Ant_Info[Ant_Trace[i]][Ant_Trace[i + 1]] = (AllDistance[Ant_Trace[i]][Ant_Trace[i + 1]] / Distance) * Q;
		Ant_Info[Ant_Trace[i + 1]][Ant_Trace[i]] = Ant_Info[Ant_Trace[i]][Ant_Trace[i + 1]];
//		printf("%f\n",Ant_Info[Ant_Trace[i]][Ant_Trace[i + 1]]);
	}
	
	if( Best_Distance == 0.0)   //首次更新最短距离 
	{
		Best_Distance = Distance;
		for( i = 0; i < NUM; i++)
			Best_Trace[i] = Ant_Trace[i];  //更新最短路径 
	}
	else
	{
		if( Best_Distance > Distance)
		{ 
			Best_Distance = Distance;
			for( i = 0; i < NUM; i++)
				Best_Trace[i] = Ant_Trace[i];
		}	
	}	
//    for( i = 0; i < NUM; i++)
//	{
//		printf("%d ",Ant_Trace[i]);
//	}
//	printf("\n",NULL);
}

int main(int argc, char *argv[])
{
	unsigned int i,j;
	
	Calculate_AllDistance();
	Init_Parameter(1);
	srand((int)time(0));//生成随机数种子 
	for( i = 0; i < M; i++)
	{
		Calculate_AntTrace(0);
		Update_GlobalPathInfo();
	}
	printf("Best_Trace:",NULL);    //显示最佳路径  
    for( i = 0; i < NUM; i++)
	{
		printf("->%d",Best_Trace[i]);
//        for( j = 0; j < NUM; j++)
//			printf("AllDistance[%d][%d]=%f\n",i,j,AllDistance[i][j]);
	}	
	
	printf("\ndistance:%f",Calculate_TraceDistance( Best_Trace ));
	while(1); 
	return 0;
}

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单蚁群算法伪代码: 初始化: - 设置蚂蚁数量、迭代次数、信息素挥发系数、信息素更新强度等参数 - 随机生成初始蚂蚁位置和路径 - 初始化每条路径上的信息素浓度 循环迭代: - 每只蚂蚁按照一定规则选择下一步的路径 - 计算每只蚂蚁的路径长度和适应度 - 更新每条路径上的信息素浓度 - 按照一定规则更新信息素浓度 以下是一个更详细的蚁群算法伪代码: 初始化: - 设置蚂蚁数量、迭代次数、信息素挥发系数、信息素更新强度等参数 - 随机生成初始蚂蚁位置和路径 - 初始化每条路径上的信息素浓度 循环迭代: - 对于每只蚂蚁,按照以下规则选择下一步的路径: - 对于每个可选的路径,计算其适应度值 - 根据信息素浓度和适应度值,计算每个路径的选择概率 - 根据选择概率,随机选择下一步的路径 - 更新蚂蚁的位置和路径 - 对于每只蚂蚁,计算其路径长度和适应度 - 更新每条路径上的信息素浓度: - 按照信息素挥发系数,让每条路径上的信息素浓度减少一定的比例 - 对于每只蚂蚁经过的路径,根据其适应度值和信息素更新强度,增加信息素浓度 - 按照一定规则更新信息素浓度: - 对于所有路径,根据信息素挥发系数和信息素更新强度,更新信息素浓度 - 如果某条路径上的信息素浓度过高,进行适当的调整 - 循环迭代,直到达到设定的迭代次数或者满足其他停止条件

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值