数学建模-蚁群算法-最短距离（优化模型）

会思想的苇草i

已于 2023-12-18 11:14:34 修改

阅读量6.9k

点赞数 9

分类专栏：数学建模文章标签：数学数学建模算法蚁群算法最短距离

于 2021-08-01 12:02:05 首次发布

本文链接：https://blog.csdn.net/ASHIYI66/article/details/119296381

版权

数学建模专栏收录该内容

17 篇文章 31 订阅

订阅专栏

1991年意大利学者M.Dorigo等人首先提出了蚁群算法，人们开始了对蚁群的研究:相对弱小，功能并不强大的个体是如何完成复杂的工作的(如寻找到食物的最佳路径并返回等)。在此基础上一种很好的优化算法逐步发展起来。

蚁群蚂蚁去找食物，最终食物源到蚁洞之间会形成一种近似最短路径，蚁群算法则是基于蚂蚁的行为规则来的，实际生活中要规划旅行可以通过该算法求得最优路线。
在使用蚁群算法求解现实问题时，先生成具有一定数量蚂蚁的蚁群，让每一只蚂蚁建立一个解或解的一部分，每只人工蚁从问题的初始状态出发，根据“激素”浓度来选择下一个要转移到的状态，直到建立起一个解，每只蚂蚁根据所找到的解的好坏程度在所经过的状态上释放与解的质量成正比例的“激素”。之后，每只蚂蚁又开始新的求解过程，直到寻找到满意解。为避免停滞现象，引入了激素更新机制。

蚁群算法概括

1、参数初始化

在寻最短路钱，需对程序各个参数进行初始化，蚁群规模m、信息素重要程度因子α、启发函数重要程度因子β、信息素会发因子、最大迭代次数ddcs_max，初始迭代值为ddcs=1。

2、构建解空间

将每只蚂蚁随机放置在不同的出发地点，对蚂蚁访问行为按照公式计算下一个访问的地点，直到所有蚂蚁访问完所有地点。

3、更新信息素

计算每只蚂蚁经过的路径总长Lk,记录当前循环中的最优路径，同时根据公式对各个地点间连接路径上的信息素浓度进行更新。

4、判断终止

迭代次数达到最大值前，清空蚂蚁经过的记录，并返回步骤2。

举例，根据坐标点，找出最短路径：

%蚁群算法寻找最短路径程序
%% 清空环境变量
clear
clc
%% 导入数据，导入方式，看个人习惯
zuobiao=[1304  2312
3639  1315
4177  2244
3712  1399
3488  1535
3326  1556
3238  1229
4196  1004
4312  790
4386  570
3007  1970
2562  1756
2788  1491
2381  1676
1332  695
3715  1678
3918  2179
4061  2370
3780  2212
3676  2578
4029  2838
4263  2931
3429  1908
3507  2367
3394  2643
3439  3201
2935  3240
3140  3550
2545  2357
2778  2826
2370  2975];
%% 计算城市间相互距离
n = size(zuobiao,1);%城市个数
jl = zeros(n,n);%首先求得各个坐标点的距离，这里是矩阵初始化
for i = 1:n
    for j = 1:n
        if i ~= j  %~=是不等于的意思，zuobiao矩阵中每行都有个坐标，坐标相减用i和j区分不同的坐标点，然后求两点距离
            jl(i,j) = sqrt(sum((zuobiao(i,:) - zuobiao(j,:)).^2));
%上式运算如a=[2,2;1,1]=>a(1,:)-a(2,:)=>ans =1 1，然后1?+1?=2，最后开根号
        else
            jl(i,j) = 1e-4;%相等的点相减准确说是等于0的，这里设置成了一个很小的数，是为了避免后面程序运算出错
        end
    end    
end
%% 初始化参数
m = 50;         % 蚂蚁数量，视情况而定，坐标点多的话可以适当增加蚂蚁数量
a= 1;           % 信息素重要程度因子
b= 5;           % 启发函数重要程度因子
r = 0.1;        % 信息素挥发因子
Q = 1;          % 常数
qfhs = 1./jl;    % 启发函数,将jl矩阵中每个元素转化为倒数
xxsjz = ones(n,n);       % 信息素矩阵初始化
ljjl = zeros(m,n);       % 路径记录表矩阵初始化
ddcs = 1;                % 迭代次数初值
ddcs_max = 200;          % 最大迭代次数 
Lujin_best = zeros(ddcs_max,n);      % 各代最佳路径       
L_best = zeros(ddcs_max,1);     % 各代最佳路径的长度  
L_ave = zeros(ddcs_max,1);      % 各代路径的平均长度  
%% 迭代寻找最佳路径
while ddcs <= ddcs_max%在ddcs小于ddcs_max前，一直循环
%% 随机产生各个蚂蚁的起点
      start = zeros(m,1);
      for i = 1:m
          temp = randperm(n);%功能是随机打乱一个数字序列,也就是现将坐标点排号再打乱，相当于将蚂蚁随机分布在各个地点
          start(i) = temp(1);
      end
      ljjl(:,1) = start; 
%% 构建解空间
      zuobiao_index = 1:n;
      % 逐个蚂蚁路径选择
      for i = 1:m
          % 逐个地点路径选择
         for j = 2:n
             yfw = ljjl(i,1:(j - 1));           % 已访问的地点集合(禁忌表)
             allow_index = ~ismember(zuobiao_index,yfw);%ismember用于判断矩阵某个元素是否存在，用法详见后文函数讲解
             allow = zuobiao_index(allow_index);  % 待访问的城市集合
             P = allow;
             % 计算城市间转移概率
             for k = 1:length(allow)
                 P(k) = xxsjz(yfw(end),allow(k))^a * qfhs(yfw(end),allow(k))^b;%见文中公式
             end
             P = P/sum(P);
             % 选择下一个访问城市
             Plj = cumsum(P);     %cumsum函数用于累加，具体用法详见后文函数讲解
             yidong_index = find(Plj >= rand); 
             yidong = allow(yidong_index(1));
             ljjl(i,j) = yidong;
         end
      end
      % 计算各个蚂蚁的路径距离
      L = zeros(m,1);
      for i = 1:m
          Lujin = ljjl(i,:);
          for j = 1:(n - 1)
              L(i) = L(i) + jl(Lujin(j),Lujin(j + 1));
          end
          L(i) = L(i) + jl(Lujin(n),Lujin(1));
      end
      % 计算最短路径距离及平均距离
      if ddcs == 1
          [min_L,min_index] = min(L);
          L_best(ddcs) = min_L;  
          L_ave(ddcs) = mean(L);
          Lujin_best(ddcs,:) = ljjl(min_index,:);
      else
          [min_L,min_index] = min(L);
          L_best(ddcs) = min(L_best(ddcs - 1),min_L);
          L_ave(ddcs) = mean(L);
          if L_best(ddcs) == min_L
              Lujin_best(ddcs,:) = ljjl(min_index,:);
          else
              Lujin_best(ddcs,:) = Lujin_best((ddcs-1),:);
          end
      end
%% 更新信息素
      S = zeros(n,n);
      % 逐个蚂蚁计算
      for i = 1:m
          % 逐个城市计算
          for j = 1:(n - 1)
              S(ljjl(i,j),ljjl(i,j+1)) = S(ljjl(i,j),ljjl(i,j+1)) + Q/L(i);
          end
          S(ljjl(i,n),ljjl(i,1)) = S(ljjl(i,n),ljjl(i,1)) + Q/L(i);
      end
      xxsjz = (1-r) * xxsjz + S;
    % 迭代次数加1，清空路径记录表
    ddcs = ddcs + 1;
    ljjl = zeros(m,n);
end
%% 结果显示
[Shortest_L,index] = min(L_best);
Shortest_Lujin = Lujin_best(index,:);
disp(['最短距离:' num2str(Shortest_L)]);
disp(['最短路径:' num2str([Shortest_Lujin Shortest_Lujin(1)])]);
%% 绘图
figure(1)
plot([zuobiao(Shortest_Lujin,1);zuobiao(Shortest_Lujin(1),1)],...
     [zuobiao(Shortest_Lujin,2);zuobiao(Shortest_Lujin(1),2)],'o-');
grid on
for i = 1:size(zuobiao,1)
    text(zuobiao(i,1),zuobiao(i,2),['   ' num2str(i)]);
end
text(zuobiao(Shortest_Lujin(1),1),zuobiao(Shortest_Lujin(1),2),'       起点');
text(zuobiao(Shortest_Lujin(end),1),zuobiao(Shortest_Lujin(end),2),'       终点');
xlabel('城市位置横坐标')
ylabel('城市位置纵坐标')
title(['蚁群算法优化路径(最短距离:' num2str(Shortest_L) ')'])
figure(2)
plot(1:ddcs_max,L_best,'b',1:ddcs_max,L_ave,'r:')
legend('最短距离','平均距离')
xlabel('迭代次数')
ylabel('距离')
title('各代最短距离与平均距离对比')

(*部分内容参考NHASMJ、数学建模算法与应用*)