【TSP旅行商问题】标准蚁群算法ACO求解

课题名称：采用标准的蚁群算法AC0求解旅行商问题TSP

版本时间：2023-02-17

程序运行：直接运行ACO_TSP.m 文件即可

代码获取方式：

QQ：491052175

VX：Matlab_Lover

模型介绍：
第一步：首先初始化,设迭代的次数为NC.初始化NC=0.
第二步：将m个蚂蚁置于n个顶点上。
第三步：m只蚂蚁按概率函数选择下一个城市,完成各自的周游.
每个蚂蚁按照状态变化规则逐步地构造一个解,即生成一条回路.蚂蚁的任务是访问所有城市后返回到起点,生成一条回路.设蚂蚁k当前所在的顶点为i,那么,蚂蚁k由点i向j移动要遵循规则而不断迁移,按不同概率来选择下一点.
第四步：记录本次迭代最佳路线.
第五步：全局更新信息素值.
应用全局信息素更新规则来改变信息素值.当所有m个蚂蚁生成了m个解,其中有一条最短路径是本代最优解,将属于这条路线上的所有弧相关联的信息素值进行更新.
全局信息素更新的目的是在最短路线上注入额外的信息素,即只有属于最短路线的弧上的信息素才能得到加强,这是一个正反馈的过程,也是一个强化学习的过程.在图中各弧上,伴随着信息素的挥发,全局最短路线上各弧的信息素值得到增加.
第六步：终止.若终止条件满足,则结束;否则NC=NV+1,转入步骤(2)进行下一代进化.终止条件可指定进化的代数,也可限定运行时间,或设定最短路长的下限.
第七步：输出结果.

特殊说明：
1.程序支持导入包含城市坐标的Excel文件，也可以随机产生一定数量的城市坐标
2.神经网络每一次的预测结果都不相同，为了得到更好的结果，建议多次运行取最佳值
3.城市坐标及距离矩阵可以打开CityInfo.mat文件查看

Matlab仿真图：

蚁群算法求解旅行商TSP问题的路径顺序：

蚁群算法求解的最短旅行商路线图

平均距离和最短路径随着迭代的变化曲线