蚁群算法求解TSP问题的源代码

旅行商问题大都是用遗传算法求解,不过蚁群算法比它高效得多,在百度的蚁群算法吧里有人发了个注释清晰的代码,有兴趣的可以去研究一下蚁群算法和模拟退火算法,这两者都可以解决旅行商问题。而关于遗传算法和模拟退火算法,博客园里的某位牛人很清楚地介绍了,发个链接吧

遗传算法入门:http://www.cnblogs.com/heaad/archive/2010/12/23/1914725.html

模拟退火算法入门:http://www.cnblogs.com/heaad/archive/2010/12/20/1911614.html

下面给出蚁群算法的源代码:

// AO.cpp : 定义控制台应用程序的入口点。
#pragma once

#include 
#include 
#include 

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));
}

//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 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
下面是在控制台下的测试代码:

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
在win32下可编写程序,步骤如下:1.新建一个win32工程,将蚁群算法和TSP的代码导入工程,并添加消息响应,当用户在界面上单击鼠标左键时开始运行算法,同时修改TSP类的search函数,在每完成一代后发送一条用户自定义消息到界面窗口:

SendMessage(m_hWnd,USERMSG_UPDATE,0,0);  //注意:此处不能为PostMessage函数,因为需要每一代更新界面,要等消息处理完成才能返回

自定义用户消息如下:

#define USERMSG_UPDATE WM_USER+2

2. 在窗口消息处理函数WndProc中添加代码如下:

1)对WM_PAINT进行相应的代码如下:

			hdc = BeginPaint(hWnd,&ps);
			// TODO: 在此添加任意绘图代码...
			for(int i=0;i<51;i++)
			{
				RECT rect;
				rect.left = x_Ary[i]-2;
				rect.right = x_Ary[i]+2;
				rect.top = y_Ary[i]-2;
				rect.bottom = y_Ary[i]+2;
				Rectangle(hdc,rect.left,rect.top,rect.right,rect.bottom);
				HGDIOBJ brush = GetStockObject(DC_BRUSH);
				COLORREF col(RGB(124,252,0));
				SetDCBrushColor(hdc,col);
				FillRect(hdc,&rect,(HBRUSH)brush);
				char ch[3];
				memset(ch,0,3);
				sprintf(ch,"%d",i+1);
				TextOutA(hdc,x_Ary[i]+2,y_Ary[i]+2,LPCSTR(ch),strlen(ch));
			}
			EndPaint(hWnd, &ps);

2)鼠标左键消息WM_LBUTTONDOWN响应:

		RECT rect;
			GetClientRect(hWnd,&rect);
			InvalidateRect(hWnd,&rect,true);
			UpdateWindow(hWnd);
			time_t tm;
			time(&tm);
			unsigned int nSeed=(unsigned int)tm;
			srand(nSeed);
			//开始搜索
			CTsp tsp(hWnd);
			tsp.InitData(); //初始化
			tsp.Search(); //开始搜索

3)对用户自定义消息USERMSG_UPDATE的响应:

			RECT rect;
			GetClientRect(hWnd,&rect);
			InvalidateRect(hWnd,&rect,true);
			UpdateWindow(hWnd);
			hdc = GetDC(hWnd);
			HGDIOBJ pen = GetStockObject(DC_PEN);
			COLORREF col(RGB(124,252,0));
			SetDCPenColor(hdc,col);
			for(int i=0;i<50;i++)
			{
				int n = bestPath[i];
				int m = bestPath[i+1];
				MoveToEx(hdc,x_Ary[n],y_Ary[n],NULL);
				LineTo(hdc,x_Ary[m],y_Ary[m]);
			}
			MoveToEx(hdc,x_Ary[bestPath[50]],y_Ary[bestPath[50]],NULL);
			LineTo(hdc,x_Ary[bestPath[0]],y_Ary[bestPath[0]]);
			ReleaseDC(hWnd, hdc);

4)添加全局变量bestPath,用以保存找到的最佳路径,并在TSP类的search函数中每一代进行更新

		for(int k=0;k

最后程序的运行结果如下:

蚁群算法求解TSP问题的源代码_第1张图片


你可能感兴趣的:(智能算法)