蚁群算法解决tsp问题python_蚁群算法求解TSP问题

一、蚁群算法简介

蚁群算法是对自然界蚂蚁的寻径方式进行模似而得出的一种仿生算法：蚂蚁在运动过程中，能够在它所经过的路径上留下信息素(pheromone)的物质进行信息传递，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的运动方向。由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。蚁群算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。

二、TSP问题(旅行商问题)

T S P 问 题 可 以 用 一 个 带 权 完 全 图G=(N,A)来表示，其中N是带有n=|N|点(城市)的集合，A是完全连接这些点的边的集合。每一条边(i,j)属于A都带有一个权值，它代表城市i与城市j之间的距离。TSP问题就是要找到图中的最短哈密尔顿回路。

1、构建图：构建图与问题描述图是一致的，成份的集合C对应着点的集合(即：C=N)，连接对应着边的集合(即L=A),且每一条边都带有一个权值，代表点i和j之间的距离。

2、约束条件：所有城市都要被访问且每个城市最多只能被访问一次。

3、信息素和启发式信息：TSP 问题中的信息素表示在访问城市i后直接访问城市j的期望度。启发式信息值一般与城市i和城市j的距离成反比。

4、解的构建：每只蚂蚁最初都从随机选择出来的城市出发，每经过一次迭代蚂蚁就向解中添加一个还没有访问过的城市。当所有城市都被蚂蚁访问过之后，解的构建就终止。

三、实现流程及伪代码

         

四、代码实现

随机生成50个城市进行测试，初始蚂蚁数量为50，信息素重要程度因子alpha = 1，启发函数重要程度因子beta = 5，信息素挥发因子rho = 0.1，最大迭代次数为150

%%旅行商问题(TSP)优化%%清空环境变量

clear all

clc%%导入数据%load citys_data.mat

city= ceil(rand(50,2) * 5000)

load city.mat%%计算城市间相互距离

fprintf('Computing Distance Matrix... \n');

n= size(city,1);

D=zeros(n,n);for i = 1:nfor j = 1:nif i ~=j

D(i,j)