1、途程建构法(Tour Construction Procedures)
从距离矩阵中产生一个近似最佳解的途径,有以下几种解法:
2)节省法(Clark and Wright Saving):以服务每一个纯哗节点为起始解,根据三角不等式两边之和大于第三边之性质,其起始状况为每服务一个顾客后便回场站,而后计算路线间合并节省量,将节省量以降序排序而依次合并路线,直到最后。
3)插入法(Insertion procedures):如插入法、最省插入法、随意插入法、最远插入法、最大角度插入法等。
2、途程改善法(Tour Improvement Procedure)
先给定一个可行途程,然后进行改善,一直到不能改善为止。有以下几种解法:
1)K-Opt(2/3 Opt):把尚未加入路径的K条节线暂时取代路径中K条节线,并计算其成本尘裤穗(或距离),如果成本降低(距离减少),则取代之,派卜直到无法改善为止,K通常为2或3。
2)Or-Opt:在相同路径上相邻的需求点,将之和本身或其它路径交换且仍保持路径方向性。
3、合成启发法(Composite Procedure)
1)起始解求解+2-Opt:以途程建构法建立一个起始的解,再用2-Opt的方式改善途程,直到不能改善为止。 2)起始解求解+3-Opt:以途程建构法建立一个起始的解,再用3-Opt的方式改善途程,直到不能改善为止。
蚂蚁算法实现tsp。其中city是n行2列的矩阵,表示n个城市的经纬模旦度,iter_max是最大循环次数,其穗洞余是蚂蚁算法的参数。function [Shortest_Route,Shortest_Length]=anttsp(city,iter_max,m,Alpha,Beta,Rho,Q)
n=size(city,1)
d=zeros(n,n)
d=squareform(pdist(city))
Eta=1./d
Tau=ones(n,n)
Tabu=zeros(m,n)
nC=1
R_best=zeros(iter_max,n)
L_best=inf.*ones(iter_max,1)
while nC<猜码枯=iter_max
route=[]
for i=1:ceil(m/n)
route=[route,randperm(n)]
end
Tabu(:,1)=(route(1,1:m))'
for j=2:n
for i=1:m
visited=Tabu(i,1:(j-1))
J=zeros(1,(n-j+1))
P=J
Jc=1
for k=1:n
if isempty(find(visited==k, 1))
J(Jc)=k
Jc=Jc+1
end
end
for k=1:length(J)
P(k)=(Tau(visited(end),J(k))^Alpha)*(Eta(visited(end),J(k))^Beta)
end
P=P/(sum(P))
Pcum=cumsum(P)
Select=find(Pcum>=rand)
if isempty(Select)%是不是一定能保证Select不为空
Tabu(i,j)=round(1+(n-1)*rand)
else
next_visit=J(Select(1))
Tabu(i,j)=next_visit
end
end
end
if nC>=2
Tabu(1,:)=R_best(nC-1,:)
end
L=zeros(m,1)
for i=1:m
R=Tabu(i,:)
for j=1:(n-1)
L(i)=L(i)+d(R(j),R(j+1))
end
L(i)=L(i)+d(R(1),R(n))
end
L_best(nC)=min(L)
pos=find(L==L_best(nC))
R_best(nC,:)=Tabu(pos(1),:)
nC=nC+1
Delta_Tau=zeros(n,n)
for i=1:m
for j=1:(n-1)
Delta_Tau(Tabu(i,j),Tabu(i,j+1))=Delta_Tau(Tabu(i,j),Tabu(i,j+1))+Q/L(i)
end
Delta_Tau(Tabu(i,n),Tabu(i,1))=Delta_Tau(Tabu(i,n),Tabu(i,1))+Q/L(i)
end
Tau=(1-Rho).*Tau+Delta_Tau
Tabu=zeros(m,n)
end
Pos=find(L_best==min(L_best))
Shortest_Route=R_best(Pos(1),:)
Shortest_Length=L_best(Pos(1))
end
该程序试图对具有31个城市的VRP进行求解,已知的最优解为784.1,我用该程序只能优化到810左右,返茄应该是陷入局部最优,但我不知问题出在什么地方。请用过蚁群算法的高手指教。蚁群算法的matlab源码,同时请指出为何不能优化漏庆察到已知的最好解
%
%
%the procedure of ant colony algorithm for VRP
%
%%%%%%%%%%%
%initialize the parameters of ant colony algorithms
load data.txt
d=data(:,2:3)
g=data(:,4)
m=31% 蚂蚁数
alpha=1
belta=4% 决定tao和miu重要性的参数
lmda=0
rou=0.9%衰减系数
q0=0.95
% 概率
tao0=1/(31*841.04)%初始信息素
Q=1% 蚂蚁循环一周所释放的信息素
defined_phrm=15.0 % initial pheromone level value
QV=100 % 车辆容量
vehicle_best=round(sum(g)/QV)+1%所完成任务所需的最少车数
V=40
% 计算两点的距离
for i=1:32
for j=1:32
dist(i,j)=sqrt((d(i,1)-d(j,1))^2+(d(i,2)-d(j,2))^2)
end
end
%给tao miu赋初值
for i=1:32
for j=1:32
if i~=j
%s(i,j)=dist(i,1)+dist(1,j)-dist(i,j)
tao(i,j)=defined_phrm
miu(i,j)=1/dist(i,j)
end
end
end
for k=1:32
for k=1:32
deltao(i,j)=0
end
end
best_cost=10000
for n_gen=1:50
print_head(n_gen)
for i=1:m
%best_solution=[]
print_head2(i)
sumload=0
cur_pos(i)=1
rn=randperm(32)
n=1
nn=1
part_sol(nn)=1
%cost(n_gen,i)=0.0
n_sol=0 % 由蚂蚁产生的路径数量
M_vehicle=500
t=0 %最佳路径数组的元素数为0
while sumload<=QV
for k=1:length(rn)
if sumload+g(rn(k))<=QV
gama(cur_pos(i),rn(k))=(sumload+g(rn(k)))/QV
A(n)=rn(k)
n=n+1
end
end
fid=fopen('out_customer.txt','a+')
fprintf(fid,'%s %i\t','the current position is:',cur_pos(i))
fprintf(fid,'\n%s','the possible customer set is:')
fprintf(fid,'\t%i\n',A)
fprintf(fid,'差辩------------------------------\n')
fclose(fid)
p=compute_prob(A,cur_pos(i),tao,miu,alpha,belta,gama,lmda,i)
maxp=1e-8
na=length(A)
for j=1:na
if p(j)>maxp
maxp=p(j)
index_max=j
end
end
old_pos=cur_pos(i)
if rand(1)<q0
cur_pos(i)=A(index_max)
else
krnd=randperm(na)
cur_pos(i)=A(krnd(1))
bbb=[old_pos cur_pos(i)]
ccc=[1 1]
if bbb==ccc
cur_pos(i)=A(krnd(2))
end
end
tao(old_pos,cur_pos(i))=taolocalupdate(tao(old_pos,cur_pos(i)),rou,tao0)%对所经弧进行局部更新
sumload=sumload+g(cur_pos(i))
nn=nn+1
part_sol(nn)=cur_pos(i)
temp_load=sumload
if cur_pos(i)~=1
rn=setdiff(rn,cur_pos(i))
n=1
A=[]
end
if cur_pos(i)==1 % 如果当前点为车场,将当前路径中的已访问用户去掉后,开始产生新路径
if setdiff(part_sol,1)~=[]
n_sol=n_sol+1 % 表示产生的路径数,n_sol=1,2,3,..5,6...,超过5条对其费用加上车辆的派遣费用
fid=fopen('out_solution.txt','a+')
fprintf(fid,'%s%i%s','NO.',n_sol,'条路径是:')
fprintf(fid,'%i ',part_sol)
fprintf(fid,'\n')
fprintf(fid,'%s','当前的用户需求量是:')
fprintf(fid,'%i\n',temp_load)
fprintf(fid,'------------------------------\n')
fclose(fid)
% 对所得路径进行路径内3-opt优化
final_sol=exchange(part_sol)
for nt=1:length(final_sol)% 将所有产生的路径传给一个数组
temp(t+nt)=final_sol(nt)
end
t=t+length(final_sol)-1
sumload=0
final_sol=setdiff(final_sol,1)
rn=setdiff(rn,final_sol)
part_sol=[]
final_sol=[]
nn=1
part_sol(nn)=cur_pos(i)
A=[]
n=1
end
end
if setdiff(rn,1)==[]% 产生最后一条终点不为1的路径
n_sol=n_sol+1
nl=length(part_sol)
part_sol(nl+1)=1%将路径的最后1位补1
% 对所得路径进行路径内3-opt优化
final_sol=exchange(part_sol)
for nt=1:length(final_sol)% 将所有产生的路径传给一个数组
temp(t+nt)=final_sol(nt)
end
cost(n_gen,i)=cost_sol(temp,dist)+M_vehicle*(n_sol-vehicle_best) %计算由蚂蚁i产生的路径总长度
for ki=1:length(temp)-1
deltao(temp(ki),temp(ki+1))=deltao(temp(ki),temp(ki+1))+Q/cost(n_gen,i)
end
if cost(n_gen,i)<best_cost
best_cost=cost(n_gen,i)
old_cost=best_cost
best_gen=n_gen % 产生最小费用的代数
best_ant=i%产生最小费用的蚂蚁
best_solution=temp
end
if i==m %如果所有蚂蚁均完成一次循环,,则用最佳费用所对应的路径对弧进行整体更新
for ii=1:32
for jj=1:32
tao(ii,jj)=(1-rou)*tao(ii,jj)
end
end
for kk=1:length(best_solution)-1
tao(best_solution(kk),best_solution(kk+1))=tao(best_solution(kk),best_solution(kk+1))+deltao(best_solution(kk),best_solution(kk+1))
end
end
fid=fopen('out_solution.txt','a+')
fprintf(fid,'%s%i%s','NO.',n_sol,'路径是:')
fprintf(fid,'%i ',part_sol)
fprintf(fid,'\n')
fprintf(fid,'%s %i\n','当前的用户需求量是:',temp_load)
fprintf(fid,'%s %f\n','总费用是:',cost(n_gen,i))
fprintf(fid,'------------------------------\n')
fprintf(fid,'%s\n','最终路径是:')
fprintf(fid,'%i-',temp)
fprintf(fid,'\n')
fclose(fid)
temp=[]
break
end
end
end
end
我现在也在研究它,希望能共同进步.建义可以看一下段海滨的关于蚁群算法的书.讲的不错,李士勇的也可以,还有一本我在图书馆见过,记不得名字了.
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)