基本蚁群算法
//===================================================================== //基本蚁群算法源代码 //使用的城市数据是eil51.tsp //===================================================================== // AO.cpp : 定义控制台应用程序的入口点。 #pragma once #include "stdafx.h" #include <iostream> #include <math.h> #include <time.h> //===================================================================== //常量定义和参数定义 //===================================================================== const double ALPHA=1.0; //启发因子,信息素的重要程度 const double BETA=2.0; //期望因子,城市间距离的重要程度 const double ROU=0.5; //信息素残留参数 const int N_ANT_COUNT=34; //蚂蚁数量 const int N_IT_COUNT=1000; //迭代次数 const int N_CITY_COUNT=51; //城市数量 const double DBQ=100.0; //总的信息素 const double DB_MAX=10e9; //一个标志数,10的9次方 double g_Trial[N_CITY_COUNT][N_CITY_COUNT]; //两两城市间信息素,就是环境信息素 double g_Distance[N_CITY_COUNT][N_CITY_COUNT]; //两两城市间距离 //eil51.tsp城市坐标数据 double x_Ary[N_CITY_COUNT]= { 37,49,52,20,40,21,17,31,52,51, 42,31,5,12,36,52,27,17,13,57, 62,42,16,8,7,27,30,43,58,58, 37,38,46,61,62,63,32,45,59,5, 10,21,5,30,39,32,25,25,48,56, 30 }; double y_Ary[N_CITY_COUNT]= { 52,49,64,26,30,47,63,62,33,21, 41,32,25,42,16,41,23,33,13,58, 42,57,57,52,38,68,48,67,48,27, 69,46,10,33,63,69,22,35,15,6, 17,10,64,15,10,39,32,55,28,37, 40 }; //返回指定范围内的随机整数 int rnd(int nLow,int nUpper) { return nLow+(nUpper-nLow)*rand()/(RAND_MAX+1); } //返回指定范围内的随机浮点数 double rnd(double dbLow,double dbUpper) { double dbTemp=rand()/((double)RAND_MAX+1.0); return dbLow+dbTemp*(dbUpper-dbLow); } //返回浮点数四舍五入取整后的浮点数 double ROUND(double dbA) { return (double)((int)(dbA+0.5)); } //===================================================================== //蚂蚁类的定义和实现 //===================================================================== //定义蚂蚁类 class CAnt { public: CAnt(void); ~CAnt(void); public: int m_nPath[N_CITY_COUNT]; //蚂蚁走的路径 double m_dbPathLength; //蚂蚁走过的路径长度 int m_nAllowedCity[N_CITY_COUNT]; //没去过的城市 int m_nCurCityNo; //当前所在城市编号 int m_nMovedCityCount; //已经去过的城市数量 public: int ChooseNextCity(); //选择下一个城市 void Init(); //初始化 void Move(); //蚂蚁在城市间移动 void Search(); //搜索路径 void CalPathLength(); //计算蚂蚁走过的路径长度 }; //构造函数 CAnt::CAnt(void) { } //析构函数 CAnt::~CAnt(void) { } //初始化函数,蚂蚁搜索前调用 void CAnt::Init() { for (int i=0;i<N_CITY_COUNT;i++) { m_nAllowedCity[i]=1; //设置全部城市为没有去过 m_nPath[i]=0; //蚂蚁走的路径全部设置为0 } //蚂蚁走过的路径长度设置为0 m_dbPathLength=0.0; //随机选择一个出发城市 m_nCurCityNo=rnd(0,N_CITY_COUNT); //把出发城市保存入路径数组中 m_nPath[0]=m_nCurCityNo; //标识出发城市为已经去过了 m_nAllowedCity[m_nCurCityNo]=0; //已经去过的城市数量设置为1 m_nMovedCityCount=1; } //选择下一个城市 //返回值 为城市编号 int CAnt::ChooseNextCity() { int nSelectedCity=-1; //返回结果,先暂时把其设置为-1 //============================================================================== //计算当前城市和没去过的城市之间的信息素总和 double dbTotal=0.0; double prob[N_CITY_COUNT]; //保存各个城市被选中的概率 for (int i=0;i<N_CITY_COUNT;i++) { if (m_nAllowedCity[i] == 1) //城市没去过 { //该城市和当前城市间的信息素 prob[i]=pow(g_Trial[m_nCurCityNo][i],ALPHA)*pow(1.0/g_Distance[m_nCurCityNo][i],BETA); dbTotal=dbTotal+prob[i]; //累加信息素,得到总和 } else //如果城市去过了,则其被选中的概率值为0 { prob[i]=0.0; } } //============================================================================== //进行轮盘选择 double dbTemp=0.0; if (dbTotal > 0.0) //总的信息素值大于0 { dbTemp=rnd(0.0,dbTotal); //取一个随机数 for (int i=0;i<N_CITY_COUNT;i++) { if (m_nAllowedCity[i] == 1) //城市没去过 { printf("dbtemp=%f-i=%d",dbTemp,i);system("pause"); dbTemp=dbTemp-prob[i]; //这个操作相当于转动轮盘,如果对轮盘选择不熟悉,仔细考虑一下 if (dbTemp < 0.0) //轮盘停止转动,记下城市编号,直接跳出循环 { nSelectedCity=i; break; } } } if(dbTemp>0){printf("dbtemp=%d",dbTemp);system("pause");} } //============================================================================== //如果城市间的信息素非常小 ( 小到比double能够表示的最小的数字还要小 ) //那么由于浮点运算的误差原因,上面计算的概率总和可能为0 //会出现经过上述操作,没有城市被选择出来 //出现这种情况,就把第一个没去过的城市作为返回结果 if (nSelectedCity == -1) { for (int i=0;i<N_CITY_COUNT;i++) { if (m_nAllowedCity[i] == 1) //城市没去过 { nSelectedCity=i; break; } } } //============================================================================== //返回结果,就是城市的编号 return nSelectedCity; } //蚂蚁在城市间移动 void CAnt::Move() { int nCityNo=ChooseNextCity(); //选择下一个城市 m_nPath[m_nMovedCityCount]=nCityNo; //保存蚂蚁走的路径 m_nAllowedCity[nCityNo]=0;//把这个城市设置成已经去过了 m_nCurCityNo=nCityNo; //改变当前所在城市为选择的城市 m_nMovedCityCount++; //已经去过的城市数量加1 } //蚂蚁进行搜索一次 void CAnt::Search() { Init(); //蚂蚁搜索前,先初始化 //如果蚂蚁去过的城市数量小于城市数量,就继续移动 while (m_nMovedCityCount < N_CITY_COUNT) { Move(); } //完成搜索后计算走过的路径长度 CalPathLength(); } //计算蚂蚁走过的路径长度 void CAnt::CalPathLength() { m_dbPathLength=0.0; //先把路径长度置0 int m=0; int n=0; for (int i=1;i<N_CITY_COUNT;i++) { m=m_nPath[i]; n=m_nPath[i-1]; m_dbPathLength=m_dbPathLength+g_Distance[m][n]; } //加上从最后城市返回出发城市的距离 n=m_nPath[0]; m_dbPathLength=m_dbPathLength+g_Distance[m][n]; } //===================================================================== //TSP类的定义和实现 //===================================================================== //tsp类 class CTsp { public: CTsp(void); ~CTsp(void); public: CAnt m_cAntAry[N_ANT_COUNT]; //蚂蚁数组 CAnt m_cBestAnt; //定义一个蚂蚁变量,用来保存搜索过程中的最优结果 //该蚂蚁不参与搜索,只是用来保存最优结果 public: //初始化数据 void InitData(); //开始搜索 void Search(); //更新环境信息素 void UpdateTrial(); }; //构造函数 CTsp::CTsp(void) { } CTsp::~CTsp(void) { } //初始化数据 void CTsp::InitData() { //先把最优蚂蚁的路径长度设置成一个很大的值 m_cBestAnt.m_dbPathLength=DB_MAX; //计算两两城市间距离 double dbTemp=0.0; for (int i=0;i<N_CITY_COUNT;i++) { for (int j=0;j<N_CITY_COUNT;j++) { dbTemp=(x_Ary[i]-x_Ary[j])*(x_Ary[i]-x_Ary[j])+(y_Ary[i]-y_Ary[j])*(y_Ary[i]-y_Ary[j]); dbTemp=pow(dbTemp,0.5); //城市间距离四舍五入取整,eil51.tsp的最短路径426是距离按四舍五入取整后得到的。 g_Distance[i][j]=ROUND(dbTemp); } } //初始化环境信息素,先把城市间的信息素设置成一样 //这里设置成1.0,设置成多少对结果影响不是太大,对算法收敛速度有些影响 for (int i=0;i<N_CITY_COUNT;i++) { for (int j=0;j<N_CITY_COUNT;j++) { g_Trial[i][j]=1.0; } } } //更新环境信息素 void CTsp::UpdateTrial() { //临时数组,保存各只蚂蚁在两两城市间新留下的信息素 double dbTempAry[N_CITY_COUNT][N_CITY_COUNT]; memset(dbTempAry,0,sizeof(dbTempAry)); //先全部设置为0 //计算新增加的信息素,保存到临时数组里 int m=0; int n=0; for (int i=0;i<N_ANT_COUNT;i++) //计算每只蚂蚁留下的信息素 { for (int j=1;j<N_CITY_COUNT;j++) { m=m_cAntAry[i].m_nPath[j]; n=m_cAntAry[i].m_nPath[j-1]; dbTempAry[n][m]=dbTempAry[n][m]+DBQ/m_cAntAry[i].m_dbPathLength; dbTempAry[m][n]=dbTempAry[n][m]; } //最后城市和开始城市之间的信息素 n=m_cAntAry[i].m_nPath[0]; dbTempAry[n][m]=dbTempAry[n][m]+DBQ/m_cAntAry[i].m_dbPathLength; dbTempAry[m][n]=dbTempAry[n][m]; } //================================================================== //更新环境信息素 for (int i=0;i<N_CITY_COUNT;i++) { for (int j=0;j<N_CITY_COUNT;j++) { g_Trial[i][j]=g_Trial[i][j]*ROU+dbTempAry[i][j]; //最新的环境信息素 = 留存的信息素 + 新留下的信息素 } } } void CTsp::Search() { char cBuf[256]; //打印信息用 //在迭代次数内进行循环 for (int i=0;i<N_IT_COUNT;i++) { //每只蚂蚁搜索一遍 for (int j=0;j<N_ANT_COUNT;j++) { m_cAntAry[j].Search(); } //保存最佳结果 for (int j=0;j<N_ANT_COUNT;j++) { if (m_cAntAry[j].m_dbPathLength < m_cBestAnt.m_dbPathLength) { m_cBestAnt=m_cAntAry[j]; } } //更新环境信息素 UpdateTrial(); //输出目前为止找到的最优路径的长度 sprintf(cBuf,"\n[%d] %.0f",i+1,m_cBestAnt.m_dbPathLength); printf(cBuf); } } //===================================================================== //主程序 //===================================================================== int main() { //用当前时间点初始化随机种子,防止每次运行的结果都相同 time_t tm; time(&tm); unsigned int nSeed=(unsigned int)tm; srand(nSeed); //开始搜索 CTsp tsp; tsp.InitData(); //初始化 tsp.Search(); //开始搜索 //输出结果 printf("\nThe best tour is :\n"); char cBuf[128]; for (int i=0;i<N_CITY_COUNT;i++) { sprintf(cBuf,"%02d ",tsp.m_cBestAnt.m_nPath[i]+1); if (i % 20 == 0) { printf("\n"); } printf(cBuf); } printf("\n\nPress any key to exit!"); getchar(); return 0; }
相信世界是平的
谨记四个字“修身养性”
大江东去浪淘尽英雄,再牛B的人物最后也是一掊土
向善不是目的,而是抚慰心灵,更多的感受幸福,感谢别人给你行善的机会
相信老子的话:万物生于有,有生于无,一切的道理都源于一个无法证明的假设
我是好是坏就自然而然的摆在那里,并不会因为别人的评价而改变什么,我也不需要别人用一张纸来说明我什么,世间最难得的是自由
谨记四个字“修身养性”
大江东去浪淘尽英雄,再牛B的人物最后也是一掊土
向善不是目的,而是抚慰心灵,更多的感受幸福,感谢别人给你行善的机会
相信老子的话:万物生于有,有生于无,一切的道理都源于一个无法证明的假设
我是好是坏就自然而然的摆在那里,并不会因为别人的评价而改变什么,我也不需要别人用一张纸来说明我什么,世间最难得的是自由
支持大额赞助:
![](https://images.cnblogs.com/cnblogs_com/sky-view/883309/o_%E6%97%A0%E6%A0%87%E9%A2%98.png)