java tsp问题_蚁群算法（Java）tsp问题

1、理论概述

1.1、TSP问题

旅行商问题，即TSP问题(旅行推销员问题、货郎担问题)，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。TSP问题是一个组合优化问题。该问题可以被证明具有NP计算复杂性，迄今为止，这类问题中没有一个找到有效解决算法，因此我们经常用一些近似求解算法，遗传算法、蚁群算法、粒子群算法等等。

1.2、蚁群算法

蚁群算法是一种仿生学算法，是由自然界中蚂蚁觅食的行为而启发的。在自然界中，蚂蚁觅食过程中，蚁群总能够按照寻找到一条从蚁巢和食物源的最优路径。以下是蚁群觅食过程：

在图1(a)中，一群蚂蚁从A到E觅食，由于是直线路径，所以蚂蚁直接从源到目的地。在A和E之间多了一个障碍物(b)图，那么在H点或者C点的蚂蚁将要做选择，由于一开始路上没有前面蚂蚁留下的信息素，蚂蚁朝着两个方向行进的概率是相等的。但是当有蚂蚁走过时，它将会在它行进的路上释放出信息素，并且这种信息素会以一定的速率散发掉。它后面的蚂蚁通过路上信息素的浓度，做出决策，往左还是往右。很明显，沿着短边的的路径上信息素将会越来越浓，随着时间的增长，右边路径的信息素浓度会因为路径的长度而散发掉，所以会有越来越多的蚂蚁沿着较短的路径前行。如图c。

蚁群算法的缺点是收敛速度慢，容易陷入局部最优解。

2、算法流程

假设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)用于辅助计算信息素挥发、下一个城市选中概率等等，该蚂蚁行走完全程的总成本或距离(tourLength)等。假定算法总共运行maxgen次，运行时间为t。图三是算法流程图。(注：实验系数的选定是多次试验计算的结果见论文table1)

2.1、每只蚂蚁行进过程

为每只蚂蚁选择下一个节点，该节点只能从未选择节点中以某种概率搜索到，首先计算城市选中概率，之后以一定的原则计算下一步要选的城市，如果该城市没去过，则下一个城市就是该城市。本实验的选择方式是，产生一个随机数，顺序计算各个城市的选中概率之和，直到大于该随机数，则选择循环系数代表的城市(前提是该城市没选过。)遍历完所有节点后，将起始节点加入到 tour中，形成一个完整回路。保留回路长度tourlength。接下来计算每个蚂蚁的信息素矩阵值。最后计算最佳路径，比较每个蚂蚁的路径成本，然后和bestLength比较，若它的路径成本比bestLength小，则将该值赋予bestLength，并在本次迭代中输出最优路径。本次迭代每只蚂蚁走完后结束。只要没有到达指定的迭代次数，则蚂蚁重新随机重置起始点，进入下一次迭代。

2.2、实验终止

如果达到最大迭代次数maxgen，算法终止，输出最优路径和最优路径长度；否则，重新初始化所有的蚂蚁的信息，并且重新选择起始位置为每只蚂蚁。根据几次的实验结果