蚁群算法解TSP问题

代码来源于博客http://blog.sina.com.cn/s/blog_6bb1b4b001016pt0.html

添加了部分注释，几乎没有改动（参数和城市格式略做改动），原博主的代码写的很容易理解，也是我找到的最短的代码了，在此感谢。

算法步骤基本与此网页类似介绍：http://www.nocow.cn/index.php/%E8%9A%81%E7%BE%A4%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95

如果没有接触过蚁群算法，请先阅读http://download.csdn.net/detail/waytoaccept/9493547 这本书介绍的比较全，连参数都告诉你怎么调了。

代码如下：

//蚁群算法关于简单的TSP问题求解//
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<math.h>
#include<time.h>#define M 13  //蚂蚁的数量
#define N 52  //城市的数量
#define R 1000 //迭代次数
#define IN 1  //初始化的信息素的量
#define MAX 0x7fffffff //定义最大值struct coordinate
{char city[15];  //城市名int x;          //城市相对横坐标int y;          //城市相对纵坐标
}coords[N];double graph[N][N];   //储存城市之间的距离的邻接矩阵,自己到自己记作MAX
double phe[N][N];  //每条路径上的信息素的量
double add[N][N];  //代表相应路径上的信息素的增量
double yita[N][N]; //启发函数,yita[i][j]=1/graph[i][j]int vis[M][N];  //标记已经走过的城市
int map[M][N];  //map[K][N]记录第K只蚂蚁走的路线
double solution[M]; //记录某次循环中每只蚂蚁走的路线的距离
int bestway[N]; //记录最近的那条路线
double bestsolution=MAX;
int NcMax; //代表迭代次数,理论上迭代次数越多所求的解更接近最优解,最具有说服力
double alpha,betra,rou,Q;void Initialize(); //信息初始化
void Inputcoords(FILE *fp); //将文件中的坐标信息读入
void GreateGraph(); //根据坐标信息建图
double Distance(int *p); //计算蚂蚁所走的路线的总长度
void Result(); //将结果保存到out.txt中void Initialize()//初始化参数和迭代次数
{alpha=2; betra=4; rou=0.5; Q=50;NcMax=R;return ;
}
//从文件读入城市坐标
void Inputcoords(FILE *fp)
{int i;int number;if(fp==NULL){printf("Sorry,the file is not exist\n");exit(1);}else{for(i=0; i<N; ++i){fscanf(fp,"%d,%d,%d,%s",&number,&coords[i].x,&coords[i].y,coords[i].city);}}
}
//初始化任意两个城市间的距离
void GreateGraph( )
{int i,j;double d;for(i=0; i<N-1; ++i){graph[i][i]=MAX;   //自己到自己标记为无穷大for(j=i+1; j<N; ++j){d=(double)((coords[i].x-coords[j].x)*(coords[i].x-coords[j].x)+(coords[i].y-coords[j].y)*(coords[i].y-coords[j].y));graph[j][i]=graph[i][j]=sqrt(d);}}graph[N-1][N-1]=MAX;return ;
}
//计算环路的最小代价
double Distance(int *p)
{double d=0;int i;for(i=0; i<N-1; ++i){d+=graph[*(p+i)][*(p+i+1)];}d+=graph[*(p+i)][*(p)];return d;
}
//输出各个结果
void Result()
{FILE *fl;int i;fl = fopen("out.txt","a");  //将结果保存在out.txt这个文件里面fprintf(fl,"%s\n","本次算法中的各参数如下:");fprintf(fl,"alpha=%.3lf, betra=%.3lf, rou=%.3lf, Q=%.3lf\n",alpha,betra,rou,Q);fprintf(fl,"%s %d\n","本次算法迭代次数为:",NcMax);fprintf(fl,"%s %.4lf\n","本算法得出的最短路径长度为:",bestsolution);fprintf(fl,"%s\n","本算法求得的最短路径为:");for(i=0; i<N; ++i)fprintf(fl,"%s →  ",coords[bestway[i]].city);fprintf(fl,"%s",coords[bestway[0]].city);fprintf(fl,"\n\n\n");fclose(fl);return ;
}int main()
{int NC=0;//迭代次数int i,j,k;int s;double drand,pro,psum;FILE *fp;Initialize();fp = fopen("coords.txt","r+");Inputcoords(fp);GreateGraph();fclose(fp);for(i=0; i<N; ++i)//初始化{for(j=0; j<N; ++j){phe[i][j]=IN; //信息素初始化if(i!=j)yita[i][j]=100.0/graph[i][j];  //期望值,与距离成反比}}memset(map,-1,sizeof(map));  //把蚂蚁走的路线置空memset(vis,0,sizeof(vis));  //0表示未访问,1表示已访问srand(time(NULL));while(NC++<=NcMax)//迭代次数小于等于最大值{for(k=0; k<M; ++k){map[k][0]=(k+NC)%N; //给每只蚂蚁分配一个起点,并且保证起点在N个城市里vis[k][map[k][0]]=1; //将起点标记为已经访问，第k个蚂蚁第1个点标记为访问。每个蚂蚁都有一个map}s=1;//当前每个蚂蚁应该走的第几个城市，下标从0开始，0是每个蚂蚁的起点且已经走过while(s<N){for(k=0; k<M; ++k)//为第k个蚂蚁选择下一个城市{psum=0;//Pij（概率）的分母部分，按照公式来计算for(j=0; j<N; ++j){if(vis[k][j]==0){psum+=pow(phe[map[k][s-1]][j],alpha)*pow(yita[map[k][s-1]][j],betra);}}drand=(double)(rand()%5000);drand/=5000.0;  //生成一个小于1的随机数（轮盘随机）pro=0;//累计的概率之和，当和大于随机数的时候，代表选中当前城市，很形象的模拟for(j=0; j<N; ++j){if(vis[k][j]==0)pro+=pow(phe[map[k][s-1]][j],alpha)*pow(yita[map[k][s-1]][j],betra)/psum;if(pro>drand)break;}vis[k][j]=1;  //将走过的城市标记起来（选中j，将j标记）map[k][s]=j;  //记录城市的顺序}s++;}//一次迭代完成memset(add,0,sizeof(add));for(k=0; k<M; ++k)  //计算本次中的最短路径//{solution[k]=Distance(map[k]);  //蚂蚁k所走的路线的总长度if(solution[k]<bestsolution){bestsolution=solution[k];for(i=0; i<N; ++i)bestway[i]=map[k][i];//记录当前最好的路径}}for(k=0; k<M; ++k){for(j=0; j<N-1; ++j)//计算路径上信息素的增量{add[map[k][j]][map[k][j+1]]+=Q/solution[k];}add[N-1][0]+=Q/solution[k];//首尾相接}for(i=0; i<N; ++i){for(j=0; j<N; ++j){phe[i][j]=phe[i][j]*rou+add[i][j];//更新信息素if(phe[i][j]<0.0001)  //设立一个下界phe[i][j]=0.0001;else if(phe[i][j]>20)  //设立一个上界,防止启发因子的作用被淹没phe[i][j]=20;}}memset(vis,0,sizeof(vis));memset(map,-1,sizeof(map));}Result();printf("Result is saved in out.txt\n");return 0;
}

输入文件coords.txt：格式(序号，横坐标，纵坐标，城市代号)

0,1,1,a
1,1,2,b
2,1,3,c
3,1,4,d
4,1,5,e
5,1,6,f
6,1,7,g
7,1,8,h
8,1,9,i
9,1,10,j
10,2,11,k
11,7,11,l
12,12,11,m
13,17,11,n
14,22,11,o
15,27,11,p
16,32,11,q
17,37,11,r
18,42,11,s
19,47,11,t
20,52,11,u
21,57,11,v
22,62,11,w
23,67,11,x
24,72,11,y
25,77,11,z
26,82,11,A
27,87,11,B
28,92,11,C
29,97,11,D
30,101,10,E
31,101,9,F
32,101,8,G
33,101,7,H
34,101,6,I
35,101,5,J
36,101,4,K
37,101,3,L
38,101,2,M
39,100,1,N
40,95,1,O
41,90,1,P
42,85,1,Q
43,80,1,R
44,75,1,S
45,70,1,T
46,65,1,U
47,60,1,V
48,55,1,W
49,50,1,X
50,45,1,Y
51,40,1,Z

输出结果

本次算法中的各参数如下:
alpha=2.000, betra=4.000, rou=0.500, Q=50.000
本次算法迭代次数为: 1000
本算法得出的最短路径长度为: 217.9515
本算法求得的最短路径为:
j →  k →  l →  m →  n →  o →  p →  q →  r →  s →  t →  u →  v →  w →  x →  y →  z →
A →  B →  C →  D →  E →  F →  G →  H →  I →  J →  K →  L →  M →  N →  O →  P →  Q →
R →  S →  T →  U →  V →  W →  X →  Y →  Z →  a →  b →  c →  d →  e →  f →  g →  h →  i →  j

蚁群算法解TSP问题相关推荐

蚁群算法解决tsp问题python_蚁群算法在解决TSP问题中的应用
陈灵佳文章首先对蚁群算法与TSP问题进行简要介绍,在此基础上对蚁群算法在解决TSP问题中的应用进行论述.期望通过本文的研究能够对TSP问题的解决有所帮助. [关键词]蚁群算法 TSP问题最优解 1 ...
蚁群算法解决 TSP 问题
蚁群算法解决 TSP 问题数据集 Tools.py Ant.py ACO_G.py 运行效果数据集 json 形式(c.json)的中国各省市经纬度数据集,一共 2241 个市的数据,为后来的 T ...
机器学习（MACHINE LEARNING）MATLAB蚁群算法解决TSP问题
文章目录 1 蚁群算法 2 蚁群算法与TSP问题的关系 3 代码实现 1 蚁群算法基本原理: (1)蚂蚁在携带等量的信息素一路释放 (2)信息素浓度会和路径的长度成反比 (3)下次蚂蚁来到该路口会选 ...
蚁群算法解决tsp问题c语言,蚁群算法解决TSP问题程序.doc
蚁群算法解决TSP问题程序蚁群算法用于求解TSP问题,经过仿真测试,发现此程序的优化效率和鲁棒性都非常好. 这与在无线多媒体传感器网络路由算法应用到的寻找最佳路径的蚁群算法非常相似. functio ...
蚁群算法求解TSP问题的源代码
蚁群算法求解TSP问题的源代码分类: 智能算法2014-05-07 17:25 524人阅读评论(1) 收藏举报蚁群算法 TSP win32程序设计旅行商问题大都是用遗传算法求解,不过蚁群算 ...
用蚁群算法求解TSP问题
TSP是什么?TSP全称Travelling salesman problem.中文名:旅行商问题.就是模拟退火中讲到的14个城市之间巡回旅行,求路径最短的问题. 为什么偏偏找他呢?因为这是一个衡量算 ...
蚁群算法求解TSP问题
蚁群算法求解TSP问题蚁群算法求解TSP问题蚁群算法求解TSP问题旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著 ...
【建模算法】基于蚁群算法求解TSP问题（Python实现）
[建模算法]基于蚁群算法(ACA)求解TSP问题(Python实现) TSP (traveling salesman problem,旅行商问题)是典型的NP完全问题,即其最坏情况下的时间复杂度随着问 ...
实验6：蚁群算法在TSP问题中的实现
实验目的 (1)理解蚁群算法的原理以及优缺点 (2)能够用蚁群算法解决实际问题实验内容旅行商问题(TSP,traveling salesman problem):一商人去n个城市销货,所有城市走- ...

蚁群算法解TSP问题

蚁群算法解TSP问题相关推荐

最新文章

热门文章