多目标优化蚁群算法的matlab_混合参数蚁群算法的改进优化

蚁群算法是一个功能强大的优化算法，常用来求解旅行商 (TSP) 问题。本文分享一个我自己写的蚁群算法 Matlab 程序代码，详细交代其中的优化点。主要特色是对蚁群的

启发参数采用

混合参数，即每只蚂蚁的参数不一样，以更好地发挥出蚁群算法的优势。此外，我还对 信息素的记录规则进行了一些优化，使之好于天然蚁群的行为。

1、旅行商 (TSP) 问题

先交代一下什么是旅行商问题，即 Traveling Salesman Problem (TSP). 给定地图上 N 个点的坐标，让一个走街窜巷的小商贩从其中任何一个点出发，周游全部的 N 个点，每个点只经过一次，最后回到出发点。如何安排这 N 个点的访问次序，使周游路径的总长度最小？

图 1 一个 TSP 问题的实例，N = 30 个点

旅行商问题不同于最短路径，没有多项式时间的严格解法，属于 NP 难问题。主要原因是问题并非指定起点和终点的目的性旅行，而是要周游全部的 N 个点，且规定每个点只访问一次。旅行商问题类似于哈密顿环问题。后者是在一个非完全连通的无向图上判定周游路径是否存在，而前者则是在一个完全连通的无向图上寻找最短的周游路径。

2、蚁群算法简介

蚁群算法受自然界中的蚁群寻找最短路径的启发。每只蚂蚁遇到一个岔路口表现出随机行为，在群体留下的信息素和局域距离信息的贪心规则启发下选择道路。信息素的通俗理解就是蚂蚁们留下的“脚印”，用来帮助每只蚂蚁判断哪条路走的人多。而贪心规则就是尽量就近选择下一个点。比如一只蚂蚁站在点 i 上，下一个点 j 被访问的概率

如果 j 是已访问点 (visited)，则

. 将所有可访问点的访问概率归一化，使用

轮盘赌算法随机抽签决定下一个被访问的点 j. 如果从 i 到 j 走的蚂蚁很多，

比较大，那么相应的转移概率

增大；如果 i 到 j 一步就要走很远，

比较大，那么相应的

减小。每只蚂蚁就这样随机行走一个环路，回到起点再来比较各人的 TSP 路径长度，留下信息素。关于蚁群算法的更详细的介绍见下面的文章：

Evan：蚁群算法 - 求解 TSP 问题

在传统的蚁群算法中，所有蚂蚁的