学习记录 蚁群算法在最短路中的应用

function [ROUTES,PL,Tau]=ACASP(G,Tau,K,M,S,E,Alpha,Beta,Rho,Q) 
%% --------------------------------------------------------------- 
% ACASP.m 
% 蚁群算法动态寻路算法 
% 风雪夜归人
% Email:zhanfuyu@126.com
% All rights reserved 
%% --------------------------------------------------------------- 
% 输入参数列表 
% G 地形图为01矩阵，如果为1表示障碍物 
% Tau 初始信息素矩阵（认为前面的觅食活动中有残留的信息素） 
% K 迭代次数（指蚂蚁出动多少波） 
% M 蚂蚁个数（每一波蚂蚁有多少个） 
% S 起始点（最短路径的起始点） 
% E 终止点（最短路径的目的点） 
% Alpha 表征信息素重要程度的参数 
% Beta 表征启发式因子重要程度的参数 
% Rho 信息素蒸发系数 
% Q 信息素增加强度系数 
% 
% 输出参数列表 
% ROUTES 每一代的每一只蚂蚁的爬行路线 
% PL 每一代的每一只蚂蚁的爬行路线长度 
% Tau 输出动态修正过的信息素 

%% --------------------变量初始化---------------------------------- 
%load 
D=G2D(G); 
N=size(D,1);%N表示问题的规模（象素个数） 
MM=size(G,1); 
a=1;%小方格象素的边长 
Ex=a*(mod(E,MM)-0.5);%终止点横坐标 
if Ex==-0.5 
Ex=MM-0.5; 
end 
Ey=a*(MM+0.5-ceil(E/MM));%终止点纵坐标 
Eta=zeros(1,N);%启发式信息，取为至目标点的直线距离的倒数 
%下面构造启发式信息矩阵 
for i=1:N 
if ix==-0.5 
ix=MM-0.5; 
end 
iy=a*(MM+0.5-ceil(i/MM)); 
if i~=E 
Eta(1,i)=1/((ix-Ex)^2+(iy-Ey)^2)^0.5; 
else 
Eta(1,i)=100; 
end 
end 
ROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线 
PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度