1 模型介绍
2 部分代码
clear
clc
tic %开始计时
[num_Citys,CityPosition]=ReadTSPFile('ulysses22.tsp'); %读取.tsp文件
%% 计算两两城市之间的距离
h=pdist(CityPosition);
D=squareform(h);
%% 初始化参数
FishNum=9; %生成10只人工鱼
Max_gen=200; %最多迭代次数
trynumber=500; %最多试探次数
Visual=16; %感知距离
deta=0.8; %拥挤度因子
%% 鱼群初始化,每一行表示一条鱼
initFish=AF_init(FishNum,num_Citys);
BestX=zeros(Max_gen,num_Citys); %记录每次迭代过程中最优路径
BestY=zeros(Max_gen,1); %记录每次迭代过程中最优路径的距离
besty=inf; %最优总距离，初始化为无穷大
gen=1;
currX=initFish;
currY=AF_foodconsistence(currX,D);
while gen<=Max_gen
for i=1:FishNum
[Xinext,flag]= AF_movestrategy(currX,i,D,Visual,deta,trynumber);
currX(i,:)=Xinext;
end
currY=AF_foodconsistence(currX,D);
[Ymin,index]=min(currY);
if Ymin<besty
besty=Ymin;
bestx=currX(index,:);
BestY(gen)=besty;
BestX(gen,:)=bestx;
else
BestY(gen)=BestY(gen-1);
BestX(gen,:)=BestX(gen-1,:);
end
disp(['第',num2str(gen),'次迭代,得出的最优值：',num2str(BestY(gen))]);
gen=gen+1;
end
%% 本程序用来使第i条人工鱼觅食,假如觅食成功，则flag 为1，X中为i鱼觅食后的状态，否则flag为0
%输入X： 鱼群集合
%输入i： 第i条人工鱼
%输入D： 距离矩阵
%输入trynumber： 最多试探次数
%输入Visual： 感知距离
%输出Xinext： 新找到的路径
%输出flag： 标记是否找到更好的路径，flag=0表示觅食失败，flag=1表示觅食成功
function [Xinext,flag]=AF_prey(X,i,D,trynumber,Visual)
Xinext=[];
Yi=PathLength(D,X(i,:)); %路径Xi的总距离
CityNum=length(X(i,:));
flag=0; %标记是否觅食到更好路径，flag=0表示没觅食到，flag=1表示觅食成功
for j=1:trynumber
while(1)
DJ=floor(rand*Visual)+1; %不相同的字段数
if(DJ>0 && DJ<=Visual) %在视野范围内
break;
end
end
while(1)
S(1)=floor(rand*CityNum)+1;
if(S(1)>1 && S(1)<=CityNum) %在所有城市里
break;
end
end
p=1;
while(p<DJ)
t=floor(rand*CityNum)+1;
if(t>1&&t<=CityNum && sum(S==t)==0)
p=p+1;
S(p)=t;
end
end
Xi=X(i,:);
t=Xi(S(1));
for k=1:DJ-1
Xi(S(k))=Xi(S(k+1));
end
3 运行结果
4 参考文献
[1]胡孟杰. TSP问题的人工鱼群解决方案[J]. 中国科技信息, 2009(11):42-43.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
