• 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,"
    [%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("
    The best tour is :
    ");
        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("
    ");
            }
            printf(cBuf);
        }
        printf("
    
    Press 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



    支持大额赞助:
  • 相关阅读:
    OPNET仿真
    信道带宽和信道容量的关系
    byte和bit
    Mybatis学习之自定义持久层框架(七) 自定义持久层框架优化
    Mybatis学习之自定义持久层框架(六) 自定义持久层框架:完善CRUD方法并进行测试
    Mybatis学习之自定义持久层框架(五) 自定义持久层框架:封装CRUD操作
    Mybatis学习之自定义持久层框架(四) 自定义持久层框架:生产sqlSession
    Mybatis学习之自定义持久层框架(三) 自定义持久层框架:读取并解析配置文件
    Mybatis学习之自定义持久层框架(二) 自定义持久层框架设计思路
    Mybatis学习之自定义持久层框架(一) 为什么要用框架而不直接用JDBC?
  • 原文地址:https://www.cnblogs.com/sky-view/p/3281186.html
Copyright © 2020-2023  润新知