MATLAB distance函数是怎么回事

dist = distance(lat1,lon1,lat2,lon2)；

输入参数：lat1，lon1为一个点的纬度和经度，单位为度

lat2，lon2为另一个点的纬度和经度，单位为度

输出参数：dist为这两点的弧长，单位为度

所以，要得到两点的弧长距离，可以根据弧长公式算出

Dijkstra算法是寻找最短路径的一种搜索算法，由荷兰科学家提出。

算法描述：通过为每个节点保留目前为止所找到的从s到e的最短路径。为了记录最佳路径轨迹，记录路径上每个节点的前趋，通过回溯法找出最短路径轨迹。

美国Michigan 大学的 Holland 教授提出的遗传算法(GeneticAlgorithm, GA)是求解复杂的组合优化问题的有效方法 ，其思想来自于达尔文进化论和门德尔松遗传学说 ，它模拟生物进化过程来从庞大的搜索空间中筛选出较优秀的解，是一种高效而且具有强鲁棒性方法。所以，遗传算法在求解TSP和 MTSP问题中得到了广泛的应用。

matlab程序如下：

function[opt_rte,opt_brk,min_dist] =mtspf_ga(xy,dmat,salesmen,min_tour,pop_size,num_iter)

%%

%实例

%     n = 20;%城市个数

%     xy = 10rand(n,2);%城市坐标  随机产生，也可以自己设定

%     salesmen = 5;%旅行商个数

%     min_tour = 3;%每个旅行商最少访问的城市数

%     pop_size = 80;%种群个数

%     num_iter = 200;%迭代次数

%     a = meshgrid(1:n);

%     dmat =reshape(sqrt(sum((xy(a,:)-xy(a',:))^2,2)),n,n);

%     [opt_rte,opt_brk,min_dist] = mtspf_ga(xy,dmat,salesmen,min_tour,

%         pop_size,num_iter);%函数

%%

[N,dims]= size(xy); %城市矩阵大小

[nr,nc]= size(dmat); %城市距离矩阵大小

n = N -1;% 除去起始的城市后剩余的城市的数

% 初始化路线、断点的选择

num_brks= salesmen-1;

dof = n- min_toursalesmen;       %初始化路线、断点的选择

addto =ones(1,dof+1);

for k =2:num_brks

addto = cumsum(addto);

end

cum_prob= cumsum(addto)/sum(addto);

%% 初始化种群

pop_rte= zeros(pop_size,n);          %   种群路径

pop_brk= zeros(pop_size,num_brks);    % 断点集合的种群

for k =1:pop_size

pop_rte(k,:) = randperm(n)+1;

pop_brk(k,:) = randbreaks();

end

%  画图路径曲线颜色

clr =[1 0 0; 0 0 1; 067 0 1; 0 1 0; 1 05 0];

ifsalesmen > 5

clr = hsv(salesmen);

end

%%

% 基于遗传算法的MTSP

global_min= Inf;        %初始化最短路径

total_dist= zeros(1,pop_size);

dist_history= zeros(1,num_iter);

tmp_pop_rte= zeros(8,n);%当前的路径设置

tmp_pop_brk= zeros(8,num_brks); %当前的断点设置

new_pop_rte= zeros(pop_size,n);%更新的路径设置

new_pop_brk= zeros(pop_size,num_brks);%更新的断点设置

foriter = 1:num_iter

% 计算适应值

for p = 1:pop_size

d = 0;

p_rte = pop_rte(p,:);

p_brk = pop_brk(p,:);

rng = [[1 p_brk+1];[p_brk n]]';

for s = 1:salesmen

d = d + dmat(1,p_rte(rng(s,1)));% 添加开始的路径

for k = rng(s,1):rng(s,2)-1

d = d + dmat(p_rte(k),p_rte(k+1));

end

d = d + dmat(p_rte(rng(s,2)),1); % 添加结束的的路径

end

total_dist(p) = d;

end

% 找到种群中最优路径

[min_dist,index] = min(total_dist);

dist_history(iter) = min_dist;

if min_dist < global_min

global_min = min_dist;

opt_rte = pop_rte(index,:); %最优的最短路径

opt_brk = pop_brk(index,:);%最优的断点设置

rng = [[1 opt_brk+1];[opt_brk n]]';%设置记录断点的方法

figure(1);

for s = 1:salesmen

rte = [1 opt_rte(rng(s,1):rng(s,2))1];

plot(xy(rte,1),xy(rte,2),'-','Color',clr(s,:));

title(sprintf('城市数目为 = %d,旅行商数目为 = %d,总路程 = %14f, 迭代次数 =%d',n+1,salesmen,min_dist,iter));

hold on

grid on

end

plot(xy(1,1),xy(1,2),'ko');

hold off

end

% 遗传 *** 作

rand_grouping = randperm(pop_size);

for p = 8:8:pop_size

rtes = pop_rte(rand_grouping(p-7:p),:);

brks = pop_brk(rand_grouping(p-7:p),:);

dists =total_dist(rand_grouping(p-7:p));

[ignore,idx] = min(dists);

best_of_8_rte = rtes(idx,:);

best_of_8_brk = brks(idx,:);

rte_ins_pts = sort(ceil(nrand(1,2)));

I = rte_ins_pts(1);

J = rte_ins_pts(2);

for k = 1:8 %产生新种群

tmp_pop_rte(k,:) = best_of_8_rte;

tmp_pop_brk(k,:) = best_of_8_brk;

switch k

case 2% 倒置 *** 作

tmp_pop_rte(k,I:J) =fliplr(tmp_pop_rte(k,I:J));

case 3  % 互换 *** 作

tmp_pop_rte(k,[I J]) =tmp_pop_rte(k,[J I]);

case 4 % 滑动平移 *** 作

tmp_pop_rte(k,I:J) =tmp_pop_rte(k,[I+1:J I]);

case 5% 更新断点

 tmp_pop_brk(k,:) = randbreaks();

case 6  % 倒置并更新断点

tmp_pop_rte(k,I:J) =fliplr(tmp_pop_rte(k,I:J));

tmp_pop_brk(k,:) =randbreaks();

case 7 % 互换并更新断点

tmp_pop_rte(k,[I J]) =tmp_pop_rte(k,[J I]);

tmp_pop_brk(k,:) =randbreaks();

case 8 % 评议并更新断点

tmp_pop_rte(k,I:J) =tmp_pop_rte(k,[I+1:J I]);

tmp_pop_brk(k,:) =randbreaks();

otherwise

end

end

new_pop_rte(p-7:p,:) = tmp_pop_rte;

new_pop_brk(p-7:p,:) = tmp_pop_brk;

end

pop_rte = new_pop_rte;

pop_brk = new_pop_brk;

end

figure(2)

plot(dist_history,'b','LineWidth',2);

title('历史最优解');

xlabel('迭代次数')

ylabel('最优路程')

% 随机产生一套断点 的集合

function breaks = randbreaks()

if min_tour == 1 % 一个旅行商时，没有断点的设置

tmp_brks = randperm(n-1);

breaks =sort(tmp_brks(1:num_brks));

else % 强制断点至少找到最短的履行长度

num_adjust = find(rand <cum_prob,1)-1;

spaces =ceil(num_brksrand(1,num_adjust));

adjust = zeros(1,num_brks);

for kk = 1:num_brks

adjust(kk) = sum(spaces == kk);

end

breaks = min_tour(1:num_brks) +cumsum(adjust);

end

end

disp('最优路径为：/n')

disp(opt_rte);

disp('其中断点为为：/n')

disp(opt_brk);

end

回答“地球物理Matlab代码在哪找”这个问题，可以从不同角度进行解答，以下是四段回答：

第一段，从Matlab官网角度解答。Matlab官网是Matlab软件的官方网站，提供了大量的Matlab代码和工具箱，可以满足不同领域的用户需求。在Matlab官网上，可以通过搜索功能找到地球物理相关的代码和工具箱，也可以通过论坛和社区等渠道获取更多的资料和帮助。

第二段，从Github角度解答。Github是一个开源的代码托管平台，汇集了全球各个领域的程序员和开发者，提供了丰富的代码资源和工具。在Github上，可以搜索到大量的地球物理相关的Matlab代码，也可以通过关注和参与开源项目，与其他开发者进行交流和合作。

第三段，从学术网站角度解答。学术网站是各个学术领域的学者和研究人员进行学术交流和资源共享的平台。在地球物理领域的学术网站上，可以找到大量的地球物理Matlab代码和工具，比如SEG（Society of Exploration Geophysicists）和AGU（American Geophysical Union）等，这些网站提供了各种地球物理领域的论文、报告和数据等资源，也包括Matlab代码和工具。

第四段，从地球物理社区角度解答。地球物理社区是地球物理领域的专业组织和协会，汇集了各个领域的地球物理学者和研究人员，提供了丰富的学术资源和交流平台。在地球物理社区中，可以通过参加学术会议、研讨会和培训班等活动，获取更多的地球物理Matlab代码和工具，也可以与其他学者和研究人员进行交流和合作。

在Matlab中，您可以通过使用Ctrl+C来撤销当前命令的运行，或者按上箭头键来回溯先前输入的命令，并且可以编辑和重新运行。如果您输入了一个错误的命令，可以使用backspace键删除它并重新输入。另外，您还可以使用clear命令来清除控制台中所有的变量和函数，或使用clc命令来清除控制台中的内容。如果您希望一次性撤销多个命令，可以使用Ctrl+Z来撤销上一步，或使用Ctrl+Shift+Z来恢复最近撤销的步骤。希望可以帮到您。

以上就是关于MATLAB distance函数是怎么回事全部的内容，包括:MATLAB distance函数是怎么回事、MATLAB线性神经网络的程序，跪求。。、地球物理matlab代码在哪找等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！