[智能计算]蚁群算法在TSP问题中的简单实现(Python)

---

思路大纲

1. 构建一个完全图tsp_map，包含了TSP问题中的城市与道路。
2. 给定超参数ant_count和iter_num，分别为蚂蚁数目和迭代次数。
3. 对于每次迭代，对每只人工蚂蚁进行模拟，蚂蚁可能的行动方式有两种：

• 为防止困于局部最优值，根据随机概率random_choose选定一个随机城市作为下一步要去的目标；
• 或者，根据信息素和启发式信息选择一个城市作为下一步要去的目标；$d_{ij}$为城市间距离、${\tau }_{ij}$为城市$i$与城市$j$间的信息素、$p_{ij}^k$为选择从城市$i$到城市$j$的概率：
  $$p_{ij}^k=\frac{{\tau }_{ij}\times d_{ij}^{-1}}{{\sum }_k\Delta {\tau }_{ij}^k\times d_{ij}^{-1}}$$

${\tau }_{ij}\times d_{ij}^{-1}$也可以分别加上超参数$\alpha$和$\beta$作为权重控制比例项。

4. 记录下一步目标城市为$j$，当前蚂蚁所在城市为$i$；计算$\Delta {\tau }_{ij}^k$矩阵(下文代码中的delta[i][j][k])，其意义为蚂蚁$k$从$i$城市到$j$城市爬行时分泌的信息素的增量(pheromone)。($Q$为单次爬行蚂蚁所能分泌的信息素)：
   Δ τ i j k = Q d i j \Delta\tau_{ij}^k = \frac{Q}{d_{ij}} Δτijk​=<