基于ACO蟻群優(yōu)化的世界旅行路線規(guī)劃matlab仿真

1.算法仿真效果

matlab2022a仿真結(jié)果如下:



2.算法涉及理論知識概要

蟻群算法是通過對自然界中真實螞蟻的集體行為的觀察,模擬而得到一種仿生優(yōu)化算法,它具有很好的并行性,分布性.根據(jù)螞蟻群體不同的集體行為特征,蟻群算法可分為受螞蟻覓食行為啟發(fā)的模型和受孵化分類啟發(fā)的模型,受勞動分工和協(xié)作運輸啟發(fā)的模型.本文重點研究了前兩種蟻群算法模型. 受螞蟻覓食行為啟發(fā)的模型又稱為蟻群優(yōu)化算法(ACO),是繼模擬退火算法,遺傳算法,禁忌搜索等之后又一啟發(fā)式智能優(yōu)化算法.目前它已成功應(yīng)用于求解TSP問題,地圖著色,路徑車輛調(diào)度等優(yōu)化問題.本文針對蟻群算法收斂時間長,易陷入局部最優(yōu)的缺點,通過對路徑上信息素的更新方式作出動態(tài)調(diào)整,建立信息素平滑機制,進而使得不同路徑上的信息素的更新速度有所不同,從而使改進后算法能夠有效地縮短搜索的時間,并能對最終解進行優(yōu)化,避免過早的陷入局部最優(yōu). 聚類是數(shù)據(jù)挖掘的重要技術(shù)之一,它可按照某種規(guī)則將數(shù)據(jù)對象劃分為多個類或簇,使同一類的數(shù)據(jù)對象有較高的相似度,而不同類的數(shù)據(jù)對象差異較大. ??


“基本原理 蟻群算法(Ant Colony Optimization,ACO)是一種基于種群尋優(yōu)的啟發(fā)式搜索算法,有意大利學者M.Dorigo等人于1991年首先提出固蚤。該算 法受到自然界真實蟻群集體在覓食過程中行為的啟發(fā),利用真實蟻群通過個體間的信息傳遞耍群、搜索從蟻穴到食物間的最短路徑等集體尋優(yōu)特 征,來解決一些離散系統(tǒng)優(yōu)化中的困難問題慢叨。


算法基本思想:


(1)根據(jù)具體問題設(shè)置多只螞蟻,分頭并行搜索。


(2)每只螞蟻完成一次周游后,在行進的路上釋放信息素,信息素量與解的質(zhì)量成正比仑鸥。


(3)螞蟻路徑的選擇根據(jù)信息素強度大小(初始信息素量設(shè)為相等)变屁,同時考慮兩點之間的距離眼俊,采用隨機的局部搜索策略。這使得距離較短的邊粟关,其上的信息素量較大疮胖,后來的螞蟻選擇該邊的概率也較大。


(4)每只螞蟻只能走合法路線(經(jīng)過每個城市1次且僅1次)闷板,為此設(shè)置禁忌表來控制澎灸。


(5)所有螞蟻都搜索完一次就是迭代一次,每迭代一次就對所有的邊做一次信息素更新遮晚,原來的螞蟻死掉性昭,新的螞蟻進行新一輪搜索。


(6)更新信息素包括原有信息素的蒸發(fā)和經(jīng)過的路徑上信息素的增加县遣。


(7)達到預(yù)定的迭代步數(shù)糜颠,或出現(xiàn)停滯現(xiàn)象(所有螞蟻都選擇同樣的路徑,解不再變化)萧求,則算法結(jié)束其兴,以當前最優(yōu)解作為問題的最優(yōu)解。


將各個螞蟻隨機地置于不同的出發(fā)地夸政,對每個螞蟻k ( k = 1 , 2 , ? ?, m ) 元旬,按照輪盤賭法得到下面的轉(zhuǎn)移概率公式計算其下一個待訪問的城市,直到所有螞蟻訪問完所有的城市守问。


3.MATLAB核心程序

cordi=[37.97,23.72;%雅典娜


41.38, 2.15; % 巴塞羅那


39.92, 116.42; % 北京


50.87, 4.37; % 布魯塞爾


30.03, 31.35; % 鈣飏o


13.75, 100.50; % 曼谷


14.62, -90.52; % 危地馬拉城


23.13, -82.38; % 哈瓦那


60.17, 25.00; % 赫爾辛基


51.53, -0.83; % 隆登


19.43, -99.12; % 墨西哥城


28.58, 77.20; % 新德里


55.75, 37.60; % 莫斯庫


41.83, -87.62; % 芝加哥


36.17, -115.20; % 拉斯維加斯


45.50, -73.58; % 蒙特利爾


40.78, -73.97; % 紐約


29.75, -95.35; % 休斯敦


14.67, -17.93; % 達喀爾


21.48, 39.75; % Mekka公司


-34.60, -58.38; % 布宜諾斯艾利斯


-15.78, -47.92; % 巴西利亞


-6.82, 39.28; % 達累斯薩拉姆


-6.13, 106.82; % 雅加達


-26.20, 28.07; % 約翰內(nèi)斯堡


-4.33, 15.32; % 金沙薩


-12.03, -77.02; % 利馬


-17.98, -67.15; % 奧魯羅


-34.87, -56.16; % 蒙得維的亞


-53.17, -70.93; % 蓬塔阿雷納斯


51.05, 3.72; % 根特


-33.86, 152.2]; % 悉尼


ParAS.fer0 = 0.00005;

ParAS.n_ants = 50;

ParAS.alfa = 1;

ParAS.beta = 2;

ParAS.rho = 0.1;

ParAS.tmax = 100;

ParAS.e = 30;

beginstad = 4;


[paden, lengtes] = AntSystem(cordi,ParAS,4);


bestePad = paden(:, find(lengtes==min(lengtes),1,'first'));

kortsteLengte = min(lengtes);



lg = 12; ???????????????????????

load('World.mat'); ?????????????

figure

step=1;

Ani(1) = getframe;

im = frame2im(Ani(1));

[imind,cm] = rgb2ind(im,256);



for t = 1:ParAS.tmax

clf

hold on


imagesc(-179.875:0.25:179.875,-89.875:0.25:89.875,flipud(World))

axis([-180, 180, -90, 90])


.........................................................

end


figure

plot(1:ParAS.tmax,lengtes/1000,'-bs',...

'LineWidth',2,...

'MarkerSize',8,...

'MarkerEdgeColor','k',...

'MarkerFaceColor',[0.0,0.9,0.0])

xlabel('Iteration')

ylabel('Padlength (10^3 km)')

A319

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末匀归,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子酪碘,更是在濱河造成了極大的恐慌朋譬,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件兴垦,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機探越,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門狡赐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人钦幔,你說我怎么就攤上這事枕屉。” “怎么了鲤氢?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵搀擂,是天一觀的道長。 經(jīng)常有香客問我卷玉,道長哨颂,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任相种,我火速辦了婚禮威恼,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘寝并。我一直安慰自己箫措,他們只是感情好,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布衬潦。 她就那樣靜靜地躺著斤蔓,像睡著了一般。 火紅的嫁衣襯著肌膚如雪镀岛。 梳的紋絲不亂的頭發(fā)上弦牡,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天,我揣著相機與錄音哎媚,去河邊找鬼喇伯。 笑死,一個胖子當著我的面吹牛拨与,可吹牛的內(nèi)容都是我干的稻据。 我是一名探鬼主播,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼买喧,長吁一口氣:“原來是場噩夢啊……” “哼捻悯!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起淤毛,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤今缚,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后低淡,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體姓言,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡瞬项,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了何荚。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片囱淋。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖餐塘,靈堂內(nèi)的尸體忽然破棺而出妥衣,到底是詐尸還是另有隱情,我是刑警寧澤戒傻,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布税手,位于F島的核電站,受9級特大地震影響需纳,放射性物質(zhì)發(fā)生泄漏芦倒。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一候齿、第九天 我趴在偏房一處隱蔽的房頂上張望熙暴。 院中可真熱鬧,春花似錦慌盯、人聲如沸周霉。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽俱箱。三九已至,卻和暖如春灭必,著一層夾襖步出監(jiān)牢的瞬間狞谱,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工禁漓, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留跟衅,地道東北人。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓播歼,卻偏偏與公主長得像伶跷,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子秘狞,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361

推薦閱讀更多精彩內(nèi)容