1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y56alJtr
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
蚁群算法是通过对自然界中真实蚂蚁的集体行为的观察,模拟而得到一种仿生优化算法,它具有很好的并行性,分布性.根据蚂蚁群体不同的集体行为特征,蚁群算法可分为受蚂蚁觅食行为启发的模型和受孵化分类启发的模型,受劳动分工和协作运输启发的模型.本文重点研究了前两种蚁群算法模型. 受蚂蚁觅食行为启发的模型又称为蚁群优化算法(ACO),是继模拟退火算法,遗传算法,禁忌搜索等之后又一启发式智能优化算法.目前它已成功应用于求解TSP问题,地图着色,路径车辆调度等优化问题.本文针对蚁群算法收敛时间长,易陷入局部最优的缺点,通过对路径上信息素的更新方式作出动态调整,建立信息素平滑机制,进而使得不同路径上的信息素的更新速度有所不同,从而使改进后算法能够有效地缩短搜索的时间,并能对最终解进行优化,避免过早的陷入局部最优. 聚类是数据挖掘的重要技术之一,它可按照某种规则将数据对象划分为多个类或簇,使同一类的数据对象有较高的相似度,而不同类的数据对象差异较大.
4.部分源码
...........................................................
cordi=[37.97,23.72;%雅典娜
41.38, 2.15; % 巴塞罗那
39.92, 116.42; % 北京
50.87, 4.37; % 布鲁塞尔
30.03, 31.35; % 钙飏o
13.75, 100.50; % 曼谷
14.62, -90.52; % 危地马拉城
23.13, -82.38; % 哈瓦那
60.17, 25.00; % 赫尔辛基
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; % 莫斯库
41.83, -87.62; % 芝加哥
36.17, -115.20; % 拉斯维加斯
45.50, -73.58; % 蒙特利尔
40.78, -73.97; % 纽约
29.75, -95.35; % 休斯敦
14.67, -17.93; % 达喀尔
21.48, 39.75; % Mekka公司
-34.60, -58.38; % 布宜诺斯艾利斯
-15.78, -47.92; % 巴西利亚
-6.82, 39.28; % 达累斯萨拉姆
-6.13, 106.82; % 雅加达
-26.20, 28.07; % 约翰内斯堡
-4.33, 15.32; % 金沙萨
-12.03, -77.02; % 利马
-17.98, -67.15; % 奥鲁罗
-34.87, -56.16; % 蒙得维的亚
-53.17, -70.93; % 蓬塔阿雷纳斯
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
