算法代码片段（一）

最新推荐文章于 2020-08-13 19:29:41 发布

学习是持久的

最新推荐文章于 2020-08-13 19:29:41 发布

阅读量484

点赞数

分类专栏：智能优化算法

本文链接：https://blog.csdn.net/learning_DA/article/details/51168691

版权

智能优化算法专栏收录该内容

2 篇文章 0 订阅

订阅专栏

% 初始化参数
data=load('last.txt');
[n,m]=size(data);% m表示景区个数
% Play_Time=data(1,:);%每个景区的逗留时间
Transportation=data(2:n,:);%景区与景区之间的行程时间
ant = 8;                              % 蚂蚁数量
alpha =1;                          % 信息素重要程度因子
beta = 5;                          % 引导函数重要程度因子
rho = 0.15;                          % 信息素衰减的参数                             
Q = 1;                               % 常系数 
Tau=ones(m,m); % 信息素矩阵
iter_max = 50;                      % 最大迭代次数 
iter = 1;                            % 迭代次数初值
Eta=1./Transportation;                    % 引导函数
Table = zeros(ant,m);                    % 选择过程中路径记录表
Route_best = zeros(iter_max,m);       % 各代最佳路径       
Length_best = zeros(iter_max,1);     % 各代最佳目标函数值 
%%迭代开始
while iter <= iter_max 
    citys_index=1:m;
     Table(:,1)=27;% 第一个景点为“西安”
        for b=1:ant %逐个蚂蚁构造解     
            for i=2:m %逐个旅游城市选择          
                    tabu=Table(b,1:(i-1));%已访问的景点集合（禁忌表）
                    allow_index=~ismember(citys_index,tabu);
                    allow=citys_index(allow_index); %待访问的景点
                    % 计算转移概率
                    P=allow;
                    for h = 1:length(allow)
                        P(h) = Tau(tabu(end),allow(h))^alpha * Eta(tabu(end),allow(h))^beta;   
                    end
                     % 轮盘赌法选择下一个访问城市 
                         P = P/sum(P);
                         Pc = cumsum(P);
                         target_index=find(Pc >= rand);
                         if numel(target_index)==0
                             for hh=1:length(allow)
                                 if Transportation(allow(hh),Table(b,i-1))==0
                                    Transportation(allow(hh),Table(b,i-1))=100;
                                 end  
                             end
                             [cc,lie]=min(Transportation(allow(1:end),Table(b,i-1)));
                             target=allow(lie);
                         else
                           target=allow(target_index(1));  
                         end  
                        Table(b,i)=target;    
                       
                     if Play_Time(Table(b,i))==16
                         k=k+2;    
                     else
                         if Play_Time(Table(b,i))==8
                             k=k+1;
                         else
                             if Transportation(Table(b,i-1),Table(b,i))+Play_Time(Table(b,i))>=12
                                 k=k+1;
                             end     
                         end
                     end
                     if mod(k,15)==0
                         k=1;
                     end
            end
        end
%% 计算各个蚂蚁的解的目标函数值 
      Length = zeros(ant,1);
      for i = 1:ant
          Route = Table(i,:);
          for j = 1:(m - 1)
              Length(i) = Length(i) + Transportation(Route(j),Route(j + 1));
          end
          Length(i) = Length(i) + Transportation(Route(m),Route(1));
      end
  % 计算最短路径距离及平均距离
      if iter == 1
          [min_Length,min_index] = min(Length);
          Length_best(iter) = min_Length;  
          Route_best(iter,:) = Table(min_index,:);
      else
          [min_Length,min_index] = min(Length);
          Length_best(iter) = min(Length_best(iter - 1),min_Length);
          if Length_best(iter) == min_Length
              Route_best(iter,:) = Table(min_index,:);
          else
              Route_best(iter,:) = Route_best((iter-1),:);
          end
      end
 %更新信息素  更新最优解
 % 更新信息素
      Delta_Tau = zeros(m,m);
      % 逐个蚂蚁计算
      for i = 1:ant
          % 逐个城市计算
          for j = 1:(m - 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,m),Table(i,1)) = Delta_Tau(Table(i,m),Table(i,1)) + Q/Length(i);
      end
      Tau = (1-rho) * Tau + Delta_Tau;
    % 迭代次数加1，清空路径记录表
iter = iter + 1;
Table = zeros(ant,m);
end

%% 结果显示
[Shortest_Length,index] = min(Length_best);
Shortest_Route = Route_best(index,:);
disp(['最短距离:' num2str(Shortest_Length)]);
disp(['最短路径:' num2str([Shortest_Route Shortest_Route(1)])]);