最基本的蚁群算法优化（ACO）算法——蚂蚁系统（AS）（TSP问题）

蚁群算法优化TSP

最新推荐文章于 2023-06-11 21:03:58 发布

原创

最新推荐文章于 2023-06-11 21:03:58 发布 · 2.6k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#蚁群优化算法（ACO） #蚂蚁系统（AS） #TCP问题 #计算智能 #进化算法

本文介绍了一种基于蚁群算法解决旅行商问题(TSP)的方法。通过设定蚂蚁数目、信息素因子等参数，实现了蚁群算法求解10个城市间的最短旅行路线。实验中，记录了迭代次数与每代最短路径长度，最终得到最优路径及其总距离。

一、实验项目：蚁群算法优化
二、实验目的：
理解并掌握蚁群算法的基本原理、思想，能够实现基本的蚁群算法，并利用蚁群算法求解旅行商（TSP）问题
三、实验内容：
1、旅行商问题：一个商人去N个城市卖货，要求所有城市都只走一遍，再回到起点，使得所走的路线最短
2、编程实现蚁群算法，并验证算法的正确性
3、实验数据如下：一共有10个城市，单元格表示行标和列表之间的距离（单位km），例如118表示北京和天津的距离为118km

4、自定义相关参数，记录实验数据（迭代次数，每一代的最短路线长度）

代码：

import random
import math
import copy
import matplotlib.pyplot as plt

# 参数设置
max = 10000     # 设置一个最大距离，为了表示自己到自己不可达。
ant_num = 12      # 蚂蚁数目
alpha = 1       # 信息素因子
beta = 2       # 启发函数因子
rho = 0.5    # 信息挥发因子
city_num = 10   # 城市数量

best_ants_total_distance = []   # 记录每次迭代最优解  用于画图

# 城市距离矩阵
citys_distance = [[max,118,1272,2567,1653,2097,1425,1177,3947,1574],
                [118,max,1253,2511,1633,2077,1369,1157,3961,1518],
                [1272,1253,max,1462,380,1490,821,856,3660,385],
                [2567,2511,1462,max,922,2335,1562,2165,3995,993],
                [1653,1633,380,922,max,1700,1041,1135,3870,456],
                [2097,2077,1490,2335,1700,max,2311,920,2170,1920],
                [1425,1369,821,1562,1041,2311,max,1420,4290,626],
                [