蚁群算法解决旅行商问题MATlab,基于MATLAB的蚁群算法解决旅行商问题(附带源程序仿真).doc...

基于MATLAB的蚁群算法解决旅行商问题(附带源程序仿真)

摘 要：旅行商问题的传统求解方法是遗传算法，但此算法收敛速度慢，并不能获得问题的最优化解。蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法，通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略，给出基于MATLAB的蚁群算法在旅行商问题中的应用，对问题求解进行局部优化。经过计算机仿真结果表明，这种蚁群算法对求解旅行商问题有较好的改进效果。

关键词：蚁群算法；旅行商问题；MATLAB；优化

一、意义和目标

旅行商问题是物流领域中的典型问题，它的求解具有十分重要的理论和现实意义。采用一定的物流配送方式，可以大大节省人力物力，完善整个物流系统。

已被广泛采用的遗传算法是旅行商问题的传统求解方法，但遗传算法收敛速度慢，具有一定的缺陷。本文采用蚁群算法，充分利用蚁群算法的智能性，求解旅行商问题，并进行实例仿真。进行仿真计算的目标是，该算法能够获得旅行商问题的优化结果，平均距离和最短距离。

国内外研究现状

仿生学出现于20世纪50年代中期，人们从生物进化机理中受到启发，提出了遗传算法、进化规划、进化策略等许多用以解决复杂优化问题的新方法。这些以生物特性为基础的演化算法的发展及对生物群落行为的发现引导研究人员进一步开展了对生物社会性的研究，从而出现了基于群智能理论的蚁群算法，并掀起了一股研究的热潮。

20世纪90年代意大利科学家M.Dorigo M最早提出了蚁群优化算法——蚂蚁系统(Ant system, AS)

C n个城市的坐标，n×2的矩阵

NC_max 最大迭代次数

m 蚂蚁个数

Alpha 表征信息素重要程度的参数

Beta 表征启发式因子重要程度的参数

Rho 信息素蒸发系数

Q 信息素增加强度系数

R_best 各代最佳路线

L_best 各代最佳路线的长度

求解TSP问题的蚂蚁算法中，每只蚂蚁是一个独立的用于构造路线的过程，若干蚂蚁过程之间通过自适应的信息素值来交换信息，合作求解，并不断优化。这里的信息素值分布式存储在图中，与各弧相关联。蚂蚁算法求解TSP问题的过程如下：

(1)首先初始化，设迭代的次数为NC。初始化NC=0

(2)将m个蚂蚁置于n个顶点上

(3)m只蚂蚁按概率函数选择下一座城市，完成各自的周游

每个蚂蚁按照状态变化规则逐步地构造一个解，即生成一条回路。蚂蚁的任务是访问所有的城市后返回到起点，生成一条回路。设蚂蚁k当前所在的顶点为i，那么，蚂蚁k由点i向点j移动要遵循规则而不断迁移，按不同概率来选择下一点。

(4)记录本次迭代最佳路线

(5)全局更新信息素值

应用全局信息素更新规则来改变信息素值。当所有m个蚂蚁生成了m个解，其中有一条最短路径是本代最优解，将属于这条路线上的所有弧相关联的信息素值进行更新。

全局信息素更新的目的是在最短路线上注入额外的信息素，即只有属于最短路线的弧上的信息素才能得到加强，这是一个正反馈的过程，也是一个强化学习的过程。在图中各弧上，伴随着信息素的挥发，全局最短路线上各弧的信息素值得到增加。

终止

若终止条件满足，则结束；否则NC=NC+1，转入步骤(2)进行下一代进化。终止条件可指定进化的代数，也可限定运行时间，或设定最短路长的下限。

(7)输出结果

数据实验及结果

通过计算机仿真，得出旅行商问题优化结果和平均距离和最短距离，如图所示：

分析与总结

本文设计了一种基于MATLAB实现的蚁群算法，用以求解组合优化难题中的典型代表旅行商问题。对30个城市旅行商问题进行了测试，所得结果能达到优化作用，实现了本文的研究目标。

经过对旅行商问题的深入理解，得到了能解决问题的基本数学模型，然后设计算法的基本思想，技术路线，最后编码。在多次调试，修改后，本算法成功运行，并实现了最初的设定目标。另外，MATLAB具有丰富的绘图函数，对于绘图十分方便，这是选择MATLAB解决TSP问题的算法编写、调试的原因。

蚁群算法研究处于初期，还有许多问题值得研究，如算法的参数选择、蚂蚁数的比例等只能通过仿真实验，无法给出理论指导。

附 录：

蚁群算法解决旅行商问题MATLAB程序

function yy=ACATSP

x=[41 37 54 25 7 2 68 71 54 83 64 18 22 83 91 25 24 58 71 74 87 18 13 82 62 58 45 41 44 4]';

y=[94 84 67 62 64 99 58 44 62 69 60 54 60 46 38 38 42 69 71 78 76 40 40 7 32 35 21 26 35 50]';

C=[x y];

NC_max=50;

m=30;

Alpha=1.5;

Beta=2;

Rho=0.1;

Q=10^6;

%%---