蚁群算法python代码_Python蚁群算法代码范例+注释

这是一篇关于Python实现蚁群算法的博客,作者李劭明,使用Python 3.6.3和Pycharm。文章提供了40座城市的坐标,并展示了如何计算城市间距离,以及如何运用蚁群算法寻找最优路径,包括初始化参数、路径记录和信息素更新等步骤。最终,代码会绘制最优路径轨迹。
摘要由CSDN通过智能技术生成

时间:2018-10-04

概述:蚁群算法

这是一个由李劭明编写的Python蚁群算法,使用工具:Pycharm ,Python版本为3.6.3。为了更好的理解代码,代码中添加了丰富的注释,帮助你了解Python的蚁群算法会有所帮助。

"""

作者:李劭明

创建时间:2017.12.8

"""

import numpy as np #数据处理包

import matplotlib.pyplot as plt#绘图包

#40座城市坐标

coordinates = np.array([[880.0,660.0],[25.0,230.0],[525.0,1000.0],[580.0,1175.0],[650.0,1130.0],

[1605.0,620.0],[1220.0,580.0],[1465.0,200.0],[1530.0,5.0],[845.0,680.0],

[725.0,370.0],[145.0,665.0],[415.0,635.0],[510.0,875.0],[560.0,365.0],

[300.0,465.0],[520.0,585.0],[480.0,415.0],[835.0,625.0],[975.0,580.0],

[420.0,555.0],[575.0,665.0],[1150.0,1160.0],[700.0,580.0],[685.0,595.0],

[685.0,610.0],[770.0,610.0],[795.0,645.0],[720.0,635.0],[760.0,650.0],

[475.0,960.0],[95.0,260.0],[875.0,920.0],[700.0,500.0],[555.0,815.0],

[830.0,485.0],[1170.0, 65.0],[830.0,610.0],[605.0,625.0],[595.0,360.0],

])

"""

得到各个城市间的距离

由于距离是两点之间的,因此,会返回一个对称矩阵

"""

def getdistmat(coordinates):

num = coordinates.shape[0] # 城市数量40

distmat = np.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值