蟻群算法人工智能實驗報告

1、人工智能實驗報告姓名：學(xué)號： 班級：實驗時間： 蟻群算法實驗原理： 螞蟻在覓食過程中可以找出巢穴到食物源的最短路徑，為什么？（1）信息素(pheromone)（2）正反饋現(xiàn)象：某一路徑上走過的螞蟻越多，則后來者選擇該路徑的概率就越大。 （3）揮發(fā)現(xiàn)象：路徑上的信息素濃度會隨著時間推進而逐漸衰減。蟻群算法的缺點：1）收斂速度慢2）易于陷入局部最優(yōu)改進：1）采用局部優(yōu)化，設(shè)計了三種優(yōu)化算子。2）采用蟻群優(yōu)化算法。3）其它優(yōu)化算法實驗內(nèi)容：旅行商問題（tsp,traveling salesman problem）：一商人去n個城市銷貨，所有城市走一遍再回到起點，使所走路程最短。實驗步驟：算法代碼：%

2、蟻群算法的優(yōu)化計算旅行商問題(tsp)優(yōu)化% 清空環(huán)境變量clear allclc% 導(dǎo)入數(shù)據(jù)load citys_data.mat% 計算城市間相互距離n = size(citys,1);d = zeros(n,n);for i = 1:n for j = 1:n if i = j d(i,j) = sqrt(sum(citys(i,:) - citys(j,:).2); else d(i,j) = 1e-4; end end end% 初始化參數(shù)m = 50; % 螞蟻數(shù)量alpha = 1; % 信息素重要程度因子beta = 5; % 啟發(fā)函數(shù)重要程度因子rho = 0.1; % 信息

3、素揮發(fā)因子q = 1; % 常系數(shù)eta = 1./d; % 啟發(fā)函數(shù)tau = ones(n,n); % 信息素矩陣table = zeros(m,n); % 路徑記錄表iter = 1; % 迭代次數(shù)初值iter_max = 200; % 最大迭代次數(shù) route_best = zeros(iter_max,n); % 各代最佳路徑 length_best = zeros(iter_max,1); % 各代最佳路徑的長度 length_ave = zeros(iter_max,1); % 各代路徑的平均長度 % 迭代尋找最佳路徑while iter = rand); %選擇下一個訪問城市，

4、往往轉(zhuǎn)移概率大的城市被選中的概率也更大。 target = allow(target_index(1); table(i,j) = target; %已選定的下一個待訪問城市 end end % 計算各個螞蟻的路徑距離 length = zeros(m,1); for i = 1:m route = table(i,:); for j = 1:(n - 1) length(i) = length(i) + d(route(j),route(j + 1); end length(i) = length(i) + d(route(n),route(1); %構(gòu)成環(huán) end % 計算最短路徑距離及平

5、均距離 if iter = 1 min_length,min_index = min(length); length_best(iter) = min_length; length_ave(iter) = mean(length); route_best(iter,:) = table(min_index,:); %table,訪問城市列表，也就是路徑記錄表 else min_length,min_index = min(length); length_best(iter) = min(length_best(iter - 1),min_length); length_ave(iter) =

6、mean(length); if length_best(iter) = min_length route_best(iter,:) = table(min_index,:); else route_best(iter,:) = route_best(iter-1),:); end end % 更新信息素 delta_tau = zeros(n,n); % 逐個螞蟻計算 for i = 1:m % 逐個城市計算 for j = 1:(n - 1) delta_tau(table(i,j),table(i,j+1) = delta_tau(table(i,j),table(i,j+1) + q/

7、length(i); end delta_tau(table(i,n),table(i,1) = delta_tau(table(i,n),table(i,1) + q/length(i); end tau = (1-rho) * tau + delta_tau; %所有螞蟻在各連接路徑上的信息素濃度，不同迭代層間有關(guān)聯(lián) % 迭代次數(shù)加1，清空路徑記錄表 iter = iter + 1; table = zeros(m,n);end% 結(jié)果顯示shortest_length,index = min(length_best);shortest_route = route_best(index,:

8、);disp(最短距離: num2str(shortest_length);disp(最短路徑: num2str(shortest_route shortest_route(1);% 繪圖figure(1)plot(citys(shortest_route,1);citys(shortest_route(1),1),. citys(shortest_route,2);citys(shortest_route(1),2),o-);grid onfor i = 1:size(citys,1) text(citys(i,1),citys(i,2), num2str(i);endtext(citys(shortest_route(1),1),citys(shortest_route(1),2), 起點);text(citys(shortest_route(end),1),citys(shortest_route(end),2), 終點);xlabel(城市位置橫坐標(biāo))ylabel(城市位置縱坐標(biāo))title(蟻群算法優(yōu)化路徑(最短距離: num2str(shortest_l