基于蚁群优化算法的TSP问题求解计算智能实验报告.pdf

--智能计算实验报告学院：班级:学号:姓名：成绩：日期：----实验名称:基于蚁群优化算法的TSP问题求解题目要求:利用蚁群优化算法对给定的ＴＳP问题进行求解,求出一条最短路径。蚁群优化算法简介:蚁群算法是一中求解复杂优化问题的启发式算法,该方法通过模拟蚁群对“信息素”的控制和利用进行搜索食物的过程，达到求解最优结果的目的。它具有智能搜索、全局优化、稳健性强、易于其它方法结合等优点，适应于解决组合优化问题，包括运输路径优化问题。TSP数据文件格式分析：本次课程设计采用的TSP文件是att48.tｓp，文件是由4８组城市坐标构成的，文件共分成三列,第一列为城市编号,第二列为城市横坐标,第三列为城市纵坐标。数据结构如下所示:城市编号城市横坐标城市纵坐标实验操作过程:1、TＳＰ文件的读取：clａｓｓｃｈｅnｇｓhi{iｎtｎo;ｄoubleｘ;douｂlｅy;chenｇshi（inｔno,doubｌｅｘ,ｄoubｌey){thｉｓ．ｎｏ=nｏ;this．x＝x;thiｓ．ｙ=y;}ｐrivaｔeｄoublegeｔＤistancｅ(chengshｉchengshｉ){ｒetuｒｎsｑrt(pow（(x-chengshi．x),２)+poｗ((y-chｅnｇshｉ．y),2));}｝ｔry{／／定义ＨashＭap保存读取的坐标信息----ＨashMap<Iｎtｅｇｅr,cｈeｎgshi>map=newHashＭａp＜Integer,cｈeｎgｓhi＞(）;/／读取文件BuffeｒeｄRｅadｅrreａｄｅｒ=ｎeｗBuffeｒedReadｅr(new(new))）;for（Strｉngstr=reader.reａdLine();str!=null;str=readeｒ．readLｉｎe()){//将读到的信息保存入HaｓhMapif(stｒ．ｍａtcheｓ("([0-9]+)(＼\s＊)([0－９]+）（.？）（［0-9]＊)(\\s*）([0-9］＋)（．？）（[0-９]*)"）){String[]datａ＝ｓtr.splｉt（"（＼\s+)"）;chｅngshichengshi＝newｃhengshｉ(Iｎteger.parseInｔ(ｄａta[0]),Doublｅ.ｐarseＤoubｌe（data[1]）,Ｄｏｕble．ｐａrseＤｏｕble（data[2]))；map.put(ｃhengshi.no,cｈengshｉ);}}/／分配距离矩阵存储空间ｄistａnce＝newdouble[mａp.sizｅ()＋1][ｍap.siｚe（）+1];／/分配距离倒数矩阵存储空间ｈeuristic=newdouble[mａp.size()＋１]［maｐ．ｓize（)+1];/／分配信息素矩阵存储空间pheｒoｍoｎe＝newdoｕbｌ［emap．sｉze（)+1]［map.size()+１];for(iｎti=1;i<map．ｓize()+1;ｉ++){ｆor(ｉｎtj=1;ｊ<ｍap.siｚｅ()+1;j＋＋){//计算城市间的距离,并存入距离矩阵ｄistａｎｃｅ[i］[ｊ]=mａｐ．geｔ(i）．geｔＤiｓtａnce（mａp.get(j));/／计算距离倒数，并存入距离倒数矩阵heuristiｃ[i]［j]=1/distanｃe[i][j];／/初始化信息素矩阵phｅrｏmｏｎｅ[i]［j］=1;}}}ｃatch(Excepｔioneｘceptｉｏn){Ｓysｔem.oｕｔ．prｉntlｎ("初始化数据失败！");}｝2、TSP作图处理:ｐrivateｖoiｄeｖaｐｏｒatePｈeromｏne(){for（ｉnti＝1;ｉ＜pｈeromoｎe.length；i＋+)----ｆoｒ（intj＝1;j<ｐhｅromone．length;j＋+）{pheｒomone[i][j］*=1－raｔｅ;｝}3、关键源代码（带简单的注释)：蚂蚁类代码:cｌassmaｙi｛//已访问城市列表priｖateboｏlｅan[]vｉsｉted；／/访问顺序表privateｉnｔ[］tour；//已访问城市的个数ｐrｉvatｅintｎ;／/总的距离pｒivateｄoublｅtotaｌ;mａｙi()｛／／给访问顺序表分配空间tour=neｗiｎｔ［ｄｉstaｎce．lenｇtｈ+1］;//已存入城市数量为ｎ,刚开始为0n=０;//将起始城市1,放入访问结点顺序表第一项toｕr[++ｎ]＝1；／/给已访问城市结点分配空间ｖisｉtｅd=ｎｅｗboolean[ｄistance．lengtｈ]；／/第一个城市为出发城市，设置为已访问visited[ｔoｕr[ｎ］]=ｔrue;}priｖateiｎｔcｈoｏsｅcｈｅnｇshｉ(）{//用来rａnｄom的随机数douｂ