蚁群算法的基本原理:
1、蚂蚁在路径上释放信息素。
2、碰到还没走过的路口,就随机挑选一条路走。同时,释放与路径长度有关的信息素。
3、信息素浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时,就选择信息素浓度较高路径。
4、最优路径上的信息素浓度越来越大。
5、最终蚁群找到最优寻食路径。
基于栅格图寻找最优路径的基本蚁群的两个过程:
(1)状态转移
为了避免残留信息素过多而淹没启发信息,在每只蚂蚁走完一步或者完成对所有n个城市的遍历(也即一个循环结束)后,要对残留信息进行更新处理。
由此,t+n时刻在路径(i,j)上的信息量可按如下规则进行调整
(2)信息素更新
1.主要参数
2.蚁群算法公式
3.更新规则
(3)代码如下
clear all
clc
G=[ 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 1 0 1 1 0 1 0 0 1 0 1 0 0
1 0 0 1 0 0 1 0 1 0 0 0 1 0 1 0 0 1 0 0
0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 1 0 0 0 0
0 1 0 1 1 1 0 0 1 1 0 0 0 1 0 0 1 0 0 0
0 1 0 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 0
0 0 0 0 1 0 1 0 0 0 1 0 0 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0
0 0 0 0 0 1 0 1 1 1 0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0
0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 1 0 0 0
0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 1 0
1 1 1 1 1 0 0 1 1 1 0 0 1 0 1 0 0 0 0 1
0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 1 0 0
0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 0
0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0
];
MM = size(G,1);
figure(3)
axis([0,MM,0,MM])
for i=1:MM
for j=1:MM
if G(i,j)==1
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.3,0.3,0.3]);
hold on
else
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);
hold on
end
end
end
%把栅格地图转为邻接矩阵
MM=size(G,1);%返回G的行数
D=zeros(MM*MM,MM*MM);%N表示问题的规模(象素个数)返回矩阵D行数
a=1;%小方格象素的边长
% Ex=a*(mod(E,MM)-0.5);%终止点横坐标 a乘以变量E对MM(行)取余(得到列)后减0.5 即所处列
% if Ex==-0.5
% Ex=MM-0.5;
% end
% Ey=a*(MM+0.5-ceil(E/MM));%E/MM结果取整 终止点纵坐标
% Eta=zeros(1,N);%启发式信息,取为至目标点的直线距离的倒数 初始信息素矩阵
for i= 1:MM
for j=1:MM
if G(i,j)==0
for m=1:MM
for n=1:MM
if G(m,n)==0
im=abs(i-m);
jn=abs(j-n);
if(im+jn==1)||(im==1&&jn==1)
D((i-1)*MM+j,(m-1)*MM+n)=(im+jn)^0.5;
end
end
end
end
end
end
end
for i= 1:MM
for j=1:MM
if G(i,j)==1
for m=1:MM
for n=1:MM
if G(m,n)==1
im=abs(i-m);
jn=abs(j-n);
if(im==1&&jn==1)
if j>n
if i>m
D((i-2)*MM+j,(i-1)*MM+j-1)=0; %YY=(i-2)*MM+j;
end
if i<m
D(i*MM+j,(i-1)*MM+j-1)=0; %YY=i*MM+j;
end
%%XX=(i-1)*MM+j-1;
end
if j<n
%XX=(i-1)*MM+j+1;
if i>m
D((i-2)*MM+j,(i-1)*MM+j+1)=0; %YY=(i-2)*MM+j;
end
if i<m
D(i*MM+j,(i-1)*MM+j+1)=0; %YY=i*MM+j;
end
end
end
end
end
end
end
end
end
N=size(D,1);
%下面构造启发式信息矩阵
Eta=zeros(1,N);%启发式信息,取为至目标点的直线距离的倒数 初始信息素矩阵
for i=1:MM
for j=1:MM
Eta(1,(i-1)*MM+j)=((MM-i)^2+(MM-j)^2)^0.5;
end
end
Eta(1,MM*MM)=0.01;
K=100;
S=1;
M=50;
p = 2 ;
Alpha= 1.5 ; %% Alpha表征信息素重要程度的参数
Beta = 6 ; % % Beta表征启发式因子重要程度的参数
Rho = 0.2; % Rho信息素蒸发系数
sim= 0.3 ; %西格玛
Q = 1 ; % Q信息素增加强度系数
minkl = inf ;
minkm = inf ;
N=size(D,1);
minl = 0 ;
Tau=ones(N,N);%信息素
ROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线 蚂蚁个数*迭代次数矩阵,每个元素是一个结构
PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度
%% -----------启动K轮蚂蚁觅食活动,每轮派出M只蚂蚁--------------------
tic
for k=1:K
%disp(k);
for m=1:M
%% 第一步:状态初始化
W=S;%当前节点初始化为起始点
Path=S;%爬行路线初始化
pathlength=0;%爬行路线长度初始化
Tabu=ones(1,N); %生成禁忌列表,所有节点均未走过,所以都置为1
Tabu(S)=0;%已经在初始点了,因此要排除
DD=D;%邻接矩阵初始化
%% 第二步:下一步可以前往的节点
DW=DD(W,:);
LJD=find(DW>0);%可选节点集 即返回可以走的节点坐标<矩阵编号>
Len_LJD=length(LJD);%计数 可选节点的个数
%% 觅食停止条件:蚂蚁未遇到食物或者陷入死胡同
while Len_LJD>=1&&W~=N %W~=E&&
%% 第三步:转轮赌法选择下一步怎么走
node=zeros(1,Len_LJD); %遍历可选节点
for i=1:Len_LJD
node(i)=(Tau(W,LJD(i))^Alpha)*((1/Eta(1,LJD(i)))^Beta); %w行i个节点
end
node=node/(sum(node));%建立概率分布 把各个路径的概率统一到和为1;
Pcum=cumsum(node); %node累计值
Select=find(Pcum>=rand);%产生任意0~1之间的随机数,轮盘赌算法,尽量避免陷入局部最优解
to_visit=LJD(Select(1));%下一步将要前往的节点
%% 第四步:状态更新和记录
Path=[Path,to_visit];%路线节点增加
pathlength=pathlength+DD(W,to_visit);%路径长度增加,记录本次迭代最佳路线长度,每只蚂蚁都有自己走过的长度记录在向量中。
W=to_visit;%蚂蚁移到下一个节点
%N:所有点
for n=1:N
if Tabu(n)==0 %禁忌列表
DD(W,n)=0; %在此次循环中设置为不可达
DD(n,n)=0;
end
end
Tabu(W)=0;%已访问过的节点从禁忌表中删除
DW=DD(W,:);
LJD=find(DW>0);%可选节点集
Len_LJD=length(LJD);%可选节点的个数
end
%% 第五步:记下每一代每一只蚂蚁的觅食路线和路线长度
ROUTES{k,m}=Path; %第k次迭代 第m只蚂蚁的路线
if Path(end)==N
PL(k,m)=pathlength; %到达目标点的路线长度
else
PL(k,m)=inf; %进入死胡同
end
end
%% 第六步:更新信息素
Delta_Tau=zeros(N,N);%更新量初始化
for mm=1:M %M只蚂蚁
if PL(k,mm)<inf %顺利到达目标点的蚂蚁路线长度
ROUT=ROUTES{k,mm}; %具体路线
TS=length(ROUT)-1; %跳数 蚂蚁转移次数
PL_km=PL(k,mm);%路线长度
for s=1:TS
x=ROUT(s); %上一个节点
y=ROUT(s+1); %下一个节点
Delta_Tau(x,y)=Delta_Tau(x,y)+Q/PL_km; %(x,y)即两个节点之间的关系(信息素量) 系数除以路线长度
Delta_Tau(y,x)=Delta_Tau(y,x)+Q/PL_km;
end
end
end
Tau=(1-Rho).*Tau+Delta_Tau;%信息素挥发一部分,新增加一部分
end
toc
%% ---------------------------绘图--------------------------------
figure(4)
axis([0,K,0,20])
for i=1:K
ggb=PL(i,:);
mmmda(i)=sum(ggb)/50;
end
plot(mmmda)
plotif=1; %是否绘图的控制参数
if plotif==1
%绘收敛曲线
meanPL=zeros(1,K); %k:迭代次数
minPL=zeros(1,K);
for i=1:K
PLK=PL(i,:); %将第i次迭代爬行路线长度赋值给PLK
Nonzero=find(PLK<inf);%返回一系列可行路线的编号
if length(Nonzero)~=0
PLKPLK=PLK(Nonzero);%留下可行路线,重新排列
meanPL(i)=mean(PLKPLK); %求取这次可行路径的平均值
minPL(i)=min(PLKPLK);%提出最小路径
end
end
end
plotif3=1;%绘最短蚂蚁爬行图
if plotif3==1
figure(2)
axis([0,MM,0,MM])
for i=1:MM
for j=1:MM
if G(i,j)==1
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.2,0.2,0.2]);
hold on
else
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);
hold on
end
end
end
minmumPLK=inf;
for k=1:K
PLK=PL(k,:); %将第k次迭代爬行路线长度赋值给PLK
minPLK=min(PLK);
if(minPLK<minmumPLK)
pos=find(PLK==minPLK); %找到与最短爬行路线长度相等的路径标号
minmumPLK=minPLK;
minm=pos(1);
mink=k ; %迭代k次
end
end
ROUT=ROUTES{mink,minm}; %找出最小路径路线
LENROUT=length(ROUT);
Rx=ROUT;
Ry=ROUT;
for ii=1:LENROUT
Rx(ii)=a*(mod(ROUT(ii),MM)-0.5);
if Rx(ii)==-0.5
Rx(ii)=MM-0.5;
end
Ry(ii)=a*(MM+0.5-ceil(ROUT(ii)/MM));
end
plot(Rx,Ry)
hold on
end
欢迎使用Markdown编辑器
你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:
- 全新的界面设计 ,将会带来全新的写作体验;
- 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
- 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
- 全新的 KaTeX数学公式 语法;
- 增加了支持甘特图的mermaid语法1 功能;
- 增加了 多屏幕编辑 Markdown文章功能;
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
- 增加了 检查列表 功能。
功能快捷键
撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G
合理的创建标题,有助于目录的生成
直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC
语法后生成一个完美的目录。
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片
.
// An highlighted block
var foo = 'bar';
生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
创建一个表格
一个简单的表格是这么创建的:
项目 | Value |
---|---|
电脑 | $1600 |
手机 | $12 |
导管 | $1 |
设定内容居中、居左、居右
使用:---------:
居中
使用:----------
居左
使用----------:
居右
第一列 | 第二列 | 第三列 |
---|---|---|
第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:
TYPE | ASCII | HTML |
---|---|---|
Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
Quotes | "Isn't this fun?" | “Isn’t this fun?” |
Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
创建一个自定义列表
-
Markdown
- Text-to- HTML conversion tool Authors
- John
- Luke
如何创建一个注脚
一个具有注脚的文本。2
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.
你可以找到更多关于的信息 LaTeX 数学表达式here.
新的甘特图功能,丰富你的文章
- 关于 甘特图 语法,参考 这儿,
UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:
这将产生一个流程图。:
- 关于 Mermaid 语法,参考 这儿,
FLowchart流程图
我们依旧会支持flowchart的流程图:
- 关于 Flowchart流程图 语法,参考 这儿.
导出与导入
导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。
导入
如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。
注脚的解释 ↩︎