精华蚂蚁系统(解决旅行商 TSP问题)

精华蚂蚁系统(解决旅行商 TSP问题)

1. 需求分析：
1.1精华蚂蚁系统解决旅行商 TSP问题：
已知n个城市之间的距离，现有m只蚂蚁必须访问这n个城市，并且每个城市只能访问一次，最后必须返回出发城市。如何安排他对这些城市的访问次序，可使其旅行路线的总长最短:
精华蚂蚁系统是对基础ES的第一次改进，它在原AS信息素更新原则的基础上增加了一个对至今最优路径的强化手段。在每轮信息素更新完毕后，搜索到至今最优路径(用Tb表示)的那只蚂蚁将会为这条路径添加额外的信息素。

1.2输入：随机选区cnum个城市的坐标（横纵坐标范围设为1~2000），存放在cnum×2的二维数组citys中。

1.3输出：迭代iter_max次后的最短路径以及最短路线。

2. 概要设计：
2.1 随机选区50、100个城市的坐标（横纵坐标范围设为1~4000），存放在cnum×2的二维数组citys中。

citys=round(rand(100,2)*2000)

2.2 EAS中城市i与城市j的相连边上的信息素量 的更新：

2.2.1 在EAS中，新增了 ，并定义参数e作为 的权值，一般设置e等于城市规模n：
2.2.2 Cb是算法开始至今最优路径的长度。EAS在每轮迭代中为属于Tb的边增加了额外的e/Cb的信息素量。
把Tau = (1-rho) * Tau + Delta_Tau ;
修改为：Tau = (1-rho) * Tau + Delta_Tau +e*Delta_b;
其中Delta_b表示精英蚂蚁留下的信息素。
3. 详细设计（主要代码matlab）：

%随机生成城市：
%五十个城市：
citys=round(rand(50,2)*2000)
%一百个城市：
citys=round(rand(100,2)*2000)
%精英蚂蚁的设定：
Delta_Tau = zeros(n,n);
% 逐个蚂蚁计算
      for i = 1:m
          % 逐个城市计算
          for j = 1:(n - 1)
              Delta_Tau(Table(i,j),Table(i,j+1)) Delta_Tau(Table(i,j),Table(i,j+1)) + Q/Length(i);
          end
          Delta_Tau(Table(i,n),Table(i,1)) =