matlab如何规定,matlab中蚁群算法怎么规定起点

%% I. 清空环境clcclear all%% II. 符号说明% C                         -- n个城市的坐标% NC_max                    -- 最大迭代次数% m                         -- 蚁群中蚂蚁的数量，一般设置为城市的1.5倍% D(i, j)                   -- 两城市i和之间的距离% Eta(i, j) = 1 ./ D(i, j)  -- 启发函数% alpha                     -- 表征信息素重要程度的参数% beta                      -- 表征启发函数重要程度的参数% rho                       -- 信息素挥发因子% Q                         -- % rBest                     -- 各代最佳的路线% lBest                     -- 各代最佳路线的长度% lAverage                  --各代的平均长度%% III. 导入城市位置数据citys = [16.4700   96.1000     16.4700   94.4400     20.0900   92.5400     22.3900   93.3700     25.2300   97.2400     22.0000   96.0500     20.4700   97.0200     17.2000   96.2900     16.3000   97.3800     14.0500   98.1200     16.5300   97.3800     21.5200   95.5900     19.4100   97.1300     20.0900   92.5500];%% IV. 计算距离矩阵D = Distance(citys);                                        % 计算距离矩阵n = size(D, 1);                                             % 城市的个数 %% V. 初始化参数NC_max = 200;                                               % 最大迭代次数，取100~500之间m = 22;                                                     % 蚂蚁的个数，一般设为城市数量的1.5倍alpha = 1;                                                  % α 选择[1, 4]比较合适beta = 5;                                                   % β 选择[3 4 5]比较合适rho = 0.1;                                                  % ρ 选择[0.1, 0.2, 0.5]比较合适Q = 1;NC = 1;                                                     % 迭代次数，一开始为1Eta = 1 ./ D;                                               % η = 1 / D(i, j) ,这里是矩阵Tau = ones(n, n);                                           % Tau(i, j)表示边(i, j)的信息素量，一开始都为1Table = zeros(m, n);                                        % 路径记录表rBest = zeros(NC_max, n);                                   % 记录各代的最佳路线lBest = inf .* ones(NC_max, 1);                             % 记录各代的最佳路线的总长度lAverage = zeros(NC_max, 1);                                % 记录各代路线的平均长度%% VI. 迭代寻找最佳路径while NC <= NC_max    % 第1步：随机产生各个蚂蚁的起点城市    start = zeros(m, 1);    for i = 1: m        temp = randperm(n);        start(i) = temp(1);    end    Table(:, 1) = start;                                    % Tabu表的第一列即是所有蚂蚁的起点城市    citys_index = 1: n;                                     % 所有城市索引的一个集合    % 第2步：逐个蚂蚁路径选择    for i = 1: m        % 逐个城市路径选择        for j = 2: n            tabu = Table(i, 1: (j - 1));                    % 蚂蚁i已经访问的城市集合(称禁忌表)            allow_index = ~ismember(citys_index, tabu);            Allow = citys_index(allow_index);               % Allow表：存放待访问的城市            P = Allow;                        % 计算从城市j到剩下未访问的城市的转移概率            for k = 1: size(Allow, 2)                       % 待访问的城市数量                P(k) = Tau(tabu(end), Allow(k))^alpha * Eta(tabu(end), Allow(k))^beta;            end            P = P / sum(P);                                 % 归一化                        % 轮盘赌法选择下一个访问城市(为了增加随机性)            Pc = cumsum(P);            target_index = find(Pc >= rand);            target = Allow(target_index(1));            Table(i, j) = target;               end    end        % 第3步：计算各个蚂蚁的路径距离    length = zeros(m, 1);    for i = 1: m        Route = Table(i, :);        for j = 1: (n - 1)            length(i) = length(i) + D(Route(j), Route(j + 1));        end        length(i) = length(i) + D(Route(n), Route(1));    end        % 第4步：计算最短路径距离及平均距离    if NC == 1        [min_Length, min_index] = min(length);        lBest(NC) = min_Length;        lAverage(NC) = mean(length);        rBest(NC, :) = Table(min_index, :);    else        [min_Length, min_index] = min(length);        lBest(NC) = min(lBest(NC - 1), min_Length);        lAverage(NC) = mean(length);        if lBest(NC) == min_Length            rBest(NC, :) = Table(min_index, :);        else            rBest(NC, :) = rBest((NC - 1), :);        end    end    % 第5步：更新信息素    Delta_tau = zeros(n, n);    for i = 1: m                  for j = 1: (n - 1)            Delta_tau(Table(i, j), Table(i, j + 1)) = Delta_tau(Table(i, j), Table(i, j + 1)) + Q / length(i);        end        Delta_tau(Table(i, n), Table(i, 1)) = Delta_tau(Table(i, n), Table(i, 1)) + Q / length(i);    end    Tau = (1 - rho) .* Tau + Delta_tau;    % 第6步：迭代次数加1，并且清空路径记录表    NC = NC + 1;    Table = zeros(m, n);end

%% VII. 结果显示[shortest_Length, shortest_index] = min(lBest);shortest_Route = rBest(shortest_index, :);disp(['最短距离:' num2str(shortest_Length)]);disp(['最短路径:' num2str([shortest_Route shortest_Route(1)])]);%% VIII. 绘图figure(1)plot([citys(shortest_Route,1); citys(shortest_Route(1),1)],...     [citys(shortest_Route,2); citys(shortest_Route(1),2)],'o-');grid onfor i = 1: size(citys, 1)    text(citys(i, 1), citys(i, 2), ['   ' num2str(i)]);endtext(citys(shortest_Route(1), 1), citys(shortest_Route(1), 2), '       起点');text(citys(shortest_Route(end), 1), citys(shortest_Route(end), 2), '       终点');xlabel('城市位置横坐标')ylabel('城市位置纵坐标')title(['蚁群算法优化路径(最短距离: ' num2str(shortest_Length) ')'])figure(2)plot(1: NC_max, lBest, 'b', 1: NC_max, lAverage, 'r:')legend('最短距离', '平均距离')xlabel('迭代次数')ylabel('距离')title('各代最短距离与平均距离对比')