clc
clear

load data z information

%起点坐标
starty=5;
starth=3;

%终点坐标
endy=8;
endh=5;

n=10;
m=21;

Best=[];

[path,information]=searchpath(n,m,information,z,starty,starth,endy,endh);  %路径寻找
fitness=CacuFit(path);    %适应度计算
[bestfitness,bestindex]=min(fitness);           %最佳适应度
bestpath=path(bestindex,:);
Best=[Best;bestfitness];

% %更新信息素
rou=0.2;
cfit=100/bestfitness;
k=2;
for i=2:m-1
    information(k,bestpath(i*2-1),bestpath(i*2))=(1-rou)*information(k,bestpath(i*2-1),bestpath(i*2))+rou*cfit;
end
    
    
for kk=1:1:100
    kk
    [path,information]=searchpath(n,m,information,z,starty,starth,endy,endh);  %路径寻找
    fitness=CacuFit(path);    %适应度计算
    [newbestfitness,newbestindex]=min(fitness);           %最佳适应度
    if newbestfitness<bestfitness
        bestfitness=newbestfitness;
        bestpath=path(newbestindex,:);
    end

Best=[Best;bestfitness];
    
    % %更新信息素
    rou=0.2;
    cfit=100/bestfitness;
    k=2;
    for i=2:m-1
        information(k,bestpath(i*2-1),bestpath(i*2))=(1-rou)*information(k,bestpath(i*2-1),bestpath(i*2))+rou*cfit;
    end
    
    
end

for i=1:21
    a(i,1)=bestpath(i*2-1);
    a(i,2)=bestpath(i*2);
end

k=1:21
figure(1)
x=1:21;
y=1:21;
[x1,y1]=meshgrid(x,y);
mesh(x1,y1,z)
load data z information 
axis([1,21,1,21,0,2000])

hold on
plot3(k',a(:,1)',a(:,2)'*200,'--o')

figure(2)
plot(Best)
title('最佳个体适应度变化趋势')
xlabel('迭代次数')
ylabel('适应度值')

D127

蚁群算法搜索个体适应度值相关推荐

  1. 蚁群算法ACO求解连续函数最值问题

    目录 一.蚁群算法特点 二.基本蚁群算法及其流程 三.改进蚁群算法 1.精英蚂蚁系统 2.最大最小蚂蚁系统 3.基于排序的蚁群算法 4.自适应蚁群算法 四.例题 一.蚁群算法特点 (1)自组织算法 组 ...

  2. 蚁群算法求最值c语言实现,蚁群算法代码(求函数最值)

    <蚁群算法代码(求函数最值)>由会员分享,可在线阅读,更多相关<蚁群算法代码(求函数最值)(4页珍藏版)>请在人人文库网上搜索. 1.function F=F(x1,x2) % ...

  3. 蚁群算法求函数最值c语言,蚁群算法代码(求函数最值)

    蚁群算法简单应用 function [F]=F(x1,x2) %目标函数 F=-(x1.^2+2*x2.^2-0.3*cos(3*pi*x1)-0.4*cos(4*pi*x2)+0.7); End f ...

  4. 蚁群算法ACO求解TSP问题

    目录 一.蚁群算法特点 二.基本蚁群算法及其流程 三.改进蚁群算法 1.精英蚂蚁系统 2.最大最小蚂蚁系统 3.基于排序的蚁群算法 4.自适应蚁群算法 四.例题 一.蚁群算法特点 (1)自组织算法 组 ...

  5. 蚁群算法和简要matlab来源

    1 蚁群算法原理 从1991由意大利学者 M. Dorigo,V. Maniezzo 和 A. Colorni 通过模拟蚁群觅食行为提出了一种基于群体的模拟进化算法--蚁群优化.极大关注,蚁群算法的特 ...

  6. 蚁群算法简介及matlab源代码

    1 蚁群算法原理 自1991年由意大利学者 M. Dorigo,V. Maniezzo 和 A. Colorni 通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法--蚁群优化.该算法的出现引起了学 ...

  7. java动态规划货车运输_多堆场集装箱卡车路径规划的混合蚁群算法

    多堆场集装箱卡车路径规划的混合蚁群算法 发布时间:04-15-19 张建同,宋玉坚,叶春明 <工业工程与管理>第22卷第2期 2017年4月 推荐理由 集装箱运输作为一种高效率高质量的运输 ...

  8. 【最优化方法】穷举法 vs. 爬山法 vs. 模拟退火算法 vs. 遗传算法 vs. 蚁群算法

    一. 穷举法 列举所有可能,然后一个个去,得到最优的结果.如图一,需要从A点一直走到G点,才能知道,F是最高的(最优解).这种算法得到的最优解肯定是最好的,但也是效率最低的.穷举法虽然能得到最好的最优 ...

  9. 蚁群算法,PSO算法以及两种算法可以融合的几种方法

    蚁群算法(ACO)是受自然界中蚂蚁搜索食物行为的启发,是一种群智能优化算法.它基于对自然界真实蚁群的集体觅食行为的研究,模拟真实的蚁群协作过程.算法由若干个蚂蚁共同构造解路径,通过在解路径上遗留并交换 ...

最新文章

  1. CSS3 Box-shadow 阴影效果用法
  2. 清华大学董胤蓬:Adversarial Robustness of Deep Learning
  3. OPNFV董事邓辉:网络功能虚拟化开源平台OPNFV介绍
  4. Android开源框架——内存泄漏检测工具 LeakCanary
  5. 游戏角色制作行业标准? 快来看看吧
  6. CCS3的过渡、变换、动画以及响应式布局、弹性布局
  7. 【LeetCode笔记】104. 二叉树的最大深度(Java、DFS、二叉树)
  8. Flink 1.8.0中的状态生存时间特性:如何自动清理应用程序的状态
  9. 本文介绍使用OpenCV-Python进行形态学处理
  10. JAVA 枚举类的初步理解
  11. 前端 datatable 居中_Midway Serverless 如何让阿里前端提效 50%?
  12. linux 时区异常修正
  13. 超级计算机燕 排名,特斯拉超级计算机算力全球第五,展现无人驾驶领域野心...
  14. elasticsearch基础查询
  15. 如何利用ORIGIN拟合曲线
  16. opencv3中的图像混合操作
  17. 服务器电话销售话术,电话销售必看:让客户无法拒绝的13个经典话术
  18. 【Windows7库功能使用技巧 】
  19. 怎么区别业务架构、软件架构、系统架构、解决方案架构、企业架构?
  20. vue使用高德地图实现实时天气预报功能

热门文章

  1. silverlight中递归构造无限级树treeview+checkbox
  2. C# 用数据库记录填充树
  3. 在虚拟机下体验ubuntu(有奔头)
  4. 下了Bandit,看了一个礼拜
  5. ubuntu下wget下载Linux内核源码、make生成.config文件
  6. 8086汇编复习4 - int指令 - 使用emu8086
  7. Python sort()和sorted()
  8. [Xcode 实际操作]七、文件与数据-(2)创建文件夹
  9. ASP.NET之一般处理程序笔记
  10. 常用的HTML标签和属性解释