TSP-蚁群算法求解

最新推荐文章于 2023-07-13 16:29:45 发布

娃娃救葫芦爷

最新推荐文章于 2023-07-13 16:29:45 发布

阅读量778

点赞数

分类专栏： TSP 算法基础

本文链接：https://blog.csdn.net/cc098818/article/details/99933840

版权

本文介绍了蚁群算法(ACO)的概念、原理及应用，重点在于如何使用蚁群算法求解旅行商问题(TSP)。通过Data、Ant和ACO类实现算法，解决att48实例，并给出了运行结果。

摘要由CSDN通过智能技术生成

1、蚁群算法
（1）概念
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法，本质上是进化算法中的一种启发式全局优化算法
（2）原理
假如蚁群中所有蚂蚁的数量为m，所有城市之间的信息素用矩阵pheromone表示，最短路径为bestLength，最佳路径为bestTour。每只蚂蚁都有自己的内存，内存中用一个禁忌表（Tabu）来存储该蚂蚁已经访问过的城市，表示其在以后的搜索中将不能访问这些城市；还有用另外一个允许访问的城市表（Allowed）来存储它还可以访问的城市；另外还用一个矩阵（Delta）来存储它在一个循环（或者迭代）中给所经过的路径释放的信息素；还有另外一些数据，例如一些控制参数（α,β,ρ,Q），该蚂蚁行走玩全程的总成本或距离（tourLength），等等。假定算法总共运行MAX_GEN次，运行时间为t。
（3）过程
第一步：初始化
第二步：为每只蚂蚁选择下一个节点。
第三步：更新信息素矩阵
第四步：检查终止条件
第五步：输出最优值
（4）应用
蚁群算法应用广泛，如旅行商问题、指派问题、Job-shop调度问题、车辆路径问题、图着色问题、网络路由问题等等。

2、求解TSP
同样是求解att48实例（最优解为10628）
代码结构：
在这里插入图片描述
其中Data类表示定义数据、变量初始化和读取数据的类

package com.chb.Tabu;

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.util.Random;
import java.util.Scanner;

public class Data {
	public static int cityNum=48;//城市数量，手动设置
	public static final int MAX_GEN=100;//运行代数
	public static final float alpha=1.0f;//
	public static final float beta=5.0f;//
	public static final float rho=0.5f;//
	public static int bestLength;//最佳长度
	public static int bestTour[]=new int[cityNum+1];//最佳路径
	public static int point[][]=new int[cityNum][2];//每个城市的坐标
	public static int dist[][]=new int[cityNum][cityNum];//距离矩阵
	public static float pheromone[][]=new float[cityNum][cityNum];//信息素矩阵
	
	public static int antNum=10;//蚂蚁数量
	public static Ant[]ants=n

最低0.47元/天解锁文章