蚁群算法求解TSP

蚁群算法

蚁群算法是一种经典的传统人工智能算法，早在上个世纪90年代就提出了。网络中已经有很多教材与教程，这里不再复述。
推荐《人工智能导论》（第四版），王万良编著，其6.7章节将蚁群算法讲的非常简单清楚。
网上也有很多matlab版本，java版本的蚁群算法模板。
笔者周日为了练习编码能力，完成了python版本的蚁群算法。文末附上github开源代码网址，项目中有测试样例与实验数据。

参数

        self.Maximum  =  np.inf    # 设定最大值
        self.readCitMapfromTxt()
        self.citymap = np.array(np.full((self.mapSize,self.mapSize),self.Maximum)) # citymap[i][j] 表示 城市i，j的距离
        self.visionDistsnce = np.array(np.full((self.mapSize, self.mapSize),0))  # 能见度 是 距离的倒数
        self.antNumber                  = 50    # 蚁群规模
        self.initialInfomationRemain    = 100    # 初始化的信息素
        self.informationMap             = np.array(np.full((self.mapSize, self.mapSize), self.initialInfomationRemain))
        self.alpha                      = 1     # a值，a越大，说明该蚂蚁更倾向于走其他蚂蚁走过的路径
        self.beta                       = 5    # b值，b越大，说明该蚂蚁更倾向于局部信息作出判断，达成局部最优解
        self.rho                        = 0.9   # Rho值，信息素残留常数
        self.heuristicRate              = 1    # 启发式的比例
        self.infomationFadeOutRate      = 1 - self.rho  # 信息素挥发率，越大，之前搜索过的路径再被搜索的概率也大，
                                                        # 越小，提高随机性与全局搜索能力，但是算法收敛程度降低

        self.Q                          = 100   # Q值，为一圈下来，一只蚂蚁能释放出的信息素的数量
        self.iterateNumber              = 30    # 设计迭代次数
        self.antLoopDistance            = [0 for i in range(self.antNumber)] # 蚂蚁跑完一圈后的路程
        self.minDistance                = 1e9   # 最短路径的长度
        self.minDistanceTrace           = []    # 存最短路径的序列
        self.ant                        = []    # 记录蚂蚁的轨迹

初始化蚂蚁

随机放置蚂蚁

    # 初始化蚂蚁的位置
    def setAnt(self):
        for i in range(self.antNumber):
            startCity = random.randint(0,self.mapSize-1) # 闭区间
            self.ant.append