【TSP】基于matlab混合粒子群算法求解旅行商问题【含Matlab源码 397期】
一、TSP简介
旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。
TSP的数学模型
二、粒子群算法简介
1 算法
1.1 原理
1.2 性能比较
1.3 步骤
三、部分源代码
function varargout = PSO(varargin)
% PSO M-file for PSO.fig
% PSO, by itself, creates a new PSO or raises the existing
% singleton*.
%
% H = PSO returns the handle to a new PSO or the handle to
% the existing singleton*.
%
% PSO('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in PSO.M with the given input arguments.
%
% PSO('Property','Value',...) creates a new PSO or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before PSO_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to PSO_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help PSO% Last Modified by GUIDE v2.5 12-Jun-2009 22:11:08% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...'gui_Singleton', gui_Singleton, ...'gui_OpeningFcn', @PSO_OpeningFcn, ...'gui_OutputFcn', @PSO_OutputFcn, ...'gui_LayoutFcn', [] , ...'gui_Callback', []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT% --- Executes just before PSO is made visible.
function PSO_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to PSO (see VARARGIN)% Choose default command line output for PSO
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes PSO wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = PSO_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;% --- Executes on button press in run.
function run_Callback(hObject, eventdata, handles)
% hObject handle to run (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
TSP_type = get(findobj('tag','tsp'),'Value');switch TSP_typecase 1data=load('burma14.txt');case 2data=load('ulysses22.txt');case 3data=load('bayg29.txt');case 4data=load('Oliver30.txt');case 5data=load('eil51.txt');case 6data=load('st70.txt');case 7data=load('pr76.txt');case 8data=load('gr96.txt');case 9data=load('ch130.txt');case 10data=load('ch150.txt');case 11data=load('pr226.txt'); end
a=data(:,2);
b=data(:,3);
C=[a b]; %城市坐标矩阵
n=size(C,1); %城市数目
D=zeros(n,n); %城市距离矩阵
%L_best=ones(Nmax,1);
for i=1:nfor j=1:nif i~=jD(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5; endD(j,i)=D(i,j); end
end
Nmax=str2double(get(findobj('tag','N_max'),'string'));
m=str2double(get(findobj('tag','m'),'string'));algo_type = get(findobj('tag','algo'),'Value');switch algo_typecase 1
%% 初始化所有粒子
for i=1:mx(i,:)=randperm(n); %粒子位置
end
F=fitness(x,C,D); %计算种群适应度
%xuhao=xulie(F) %最小适应度种群序号
a1=F(1);
a2=1;
for i=1:mif a1>=F(i)a1=F(i);a2=i;end
end
xuhao=a2;
Tour_pbest=x; %当前个体最优
Tour_gbest=x(xuhao,:) ; %当前全局最优路径
Pb=inf*ones(1,m); %个体最优记录
Gb=F(a2); %群体最优记录
xnew1=x;
N=1;
while N<=Nmax%计算适应度 F=fitness(x,C,D);for i=1:mif F(i)<Pb(i)Pb(i)=F(i); %将当前值赋给新的最佳值Tour_pbest(i,:)=x(i,:);%将当前路径赋给个体最优路径endif F(i)<GbGb=F(i);Tour_gbest=x(i,:);endend
% nummin=xulie(Pb) %最小适应度种群序号a1=Pb(1);a2=1;for i=1:mif a1>=Pb(i)a1=Pb(i);a2=i;endendnummin=a2;Gb(N)=Pb(nummin); %当前群体最优长度for i=1:m%% 与个体最优进行交叉c1=round(rand*(n-2))+1; %在[1,n-1]范围内随机产生一个交叉位c2=round(rand*(n-2))+1;while c1==c2c1=round(rand*(n-2))+1; %在[1,n-1]范围内随机产生一个交叉位c2=round(rand*(n-2))+1;end chb1=min(c1,c2);chb2=max(c1,c2);cros=Tour_pbest(i,chb1:chb2); %交叉区域矩阵ncros=size(cros,2); %交叉区域元素个数%删除与交叉区域相同元素for j=1:ncrosfor k=1:nif xnew1(i,k)==cros(j)xnew1(i,k)=0;for t=1:n-ktemp=xnew1(i,k+t-1);xnew1(i,k+t-1)=xnew1(i,k+t);xnew1(i,k+t)=temp;end endendendxnew=xnew1;%插入交叉区域for j=1:ncrosxnew1(i,n-ncros+j)=cros(j);end%判断产生新路径长度是否变短dist=0;for j=1:n-1dist=dist+D(xnew1(i,j),xnew1(i,j+1));enddist=dist+D(xnew1(i,1),xnew1(i,n));if F(i)>distx(i,:)=xnew1(i,:);end%% 与全体最优进行交叉c1=round(rand*(n-2))+1; %在[1,n-1]范围内随机产生一个交叉位c2=round(rand*(n-2))+1;while c1==c2c1=round(rand*(n-2))+1; %在[1,n-1]范围内随机产生一个交叉位c2=round(rand*(n-2))+1;end chb1=min(c1,c2);chb2=max(c1,c2);cros=Tour_gbest(chb1:chb2); %交叉区域矩阵ncros=size(cros,2); %交叉区域元素个数%删除与交叉区域相同元素for j=1:ncrosfor k=1:nif xnew1(i,k)==cros(j)xnew1(i,k)=0;for t=1:n-ktemp=xnew1(i,k+t-1);xnew1(i,k+t-1)=xnew1(i,k+t);xnew1(i,k+t)=temp;end endendendxnew=xnew1;%插入交叉区域for j=1:ncrosxnew1(i,n-ncros+j)=cros(j);end%判断产生新路径长度是否变短dist=0;for j=1:n-1dist=dist+D(xnew1(i,j),xnew1(i,j+1));enddist=dist+D(xnew1(i,1),xnew1(i,n));if F(i)>distx(i,:)=xnew1(i,:);end%% 进行变异操作c1=round(rand*(n-1))+1; %在[1,n]范围内随机产生一个变异位c2=round(rand*(n-1))+1;temp=xnew1(i,c1);xnew1(i,c1)=xnew1(i,c2);xnew1(i,c2)=temp;%判断产生新路径长度是否变短dist=0;for j=1:n-1dist=dist+D(xnew1(i,j),xnew1(i,j+1));enddist=dist+D(xnew1(i,1),xnew1(i,n));%dist=dist(xnew1(i,:),D);if F(i)>distx(i,:)=xnew1(i,:);endend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% F=(x,C,D) %计算种群适应度 %xuhao=xulie(F) %最小适应度种群序号a1=F(1);a2=1;for i=1:mif a1>=F(i)a1=F(i);a2=i;endendxuhao=a2;L_best(N)=min(F);Tour_gbest=x(xuhao,:); %当前全局最优路径N=N+1;axes(handles.city) %城市路径状态scatter(C(:,1),C(:,2));hold onplot([C(Tour_gbest(1),1),C(Tour_gbest(n),1)],[C(Tour_gbest(1),2),C(Tour_gbest(n),2)],'ms-','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','g')for ii=2:nplot([C(Tour_gbest(ii-1),1),C(Tour_gbest(ii),1)],[C(Tour_gbest(ii-1),2),C(Tour_gbest(ii),2)],'ms-','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','g')endhold offaxes(handles.shoulian) %收敛曲线plot(L_best);set(findobj('tag','N'),'string',num2str(N-1));%当前迭代次数set(findobj('tag','tour'),'string',num2str(Tour_gbest));%当前最优路径set(findobj('tag','L'),'string',num2str(min(L_best)));%当前最优路径长度 %%%这里的L_best是当前最优路径???end
四、运行结果
五、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例(第2版)[M].电子工业出版社,2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社,2017.
【TSP】基于matlab混合粒子群算法求解旅行商问题【含Matlab源码 397期】相关推荐
- 粒子群算法求解带约束优化问题 源码实现
算法原理 之前求解的无约束的问题. 粒子群算法求解无约束优化问题 源码实现 算法原理如下 今天讲解下求解约束优化的问题.该问题常用的方法是罚函数法.即如果一个解x不满足约束条件,就对适应度值设置一个惩 ...
- 【PSO TSP】基于matlab GUI粒子群算法求解旅行商问题【含Matlab源码 1334期】
⛄一.TSP简介 旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...
- 粒子群算法求解无约束优化问题 源码实现
算法原理 粒子群算法思想来源于实际生活中鸟捕食的过程.假设在一个n维的空间中,有一群鸟(m只)在捕食,食物位于n维空间的某个点上,对于第i只鸟某一时刻来说,有两个向量描述,一个是鸟的位置向量,第二个是 ...
- 【路径规划-TSP问题】基于蚁群算法求解旅行商问题含Matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
- 粒子群算法求解旅行商问题
算法原理 旅行商问题是一个经典的NP问题,假设有N个城市,需要确定一个访问顺序,使得每个城市都访问一面,最后回到起点城市,且保证行走的总距离最短. 假设随机生成10个城市坐标,城市之间的 ...
- 【优化算法】基于matlab量子粒子群算法求解单目标优化问题【含Matlab源码 2203期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[优化算法]基于matlab量子粒子群算法求解单目标优化问题[含Matlab源码 2203期] 点击上面蓝色字体,直接付费下载,即可. 获 ...
- 【ACO TSP】基于matlab GUI蚁群算法求解旅行商问题【含Matlab源码 1032期】
⛄一.TSP简介 旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...
- 粒子群算法求解旅行商问题TSP (JAVA实现)
粒子群算法求解旅行商问题TSP 写在开头: 最近师妹的结课作业问我,关于使用粒子群求解TSP问题的思路.我想了想,自己去年的作业用的是遗传算法,貌似有些关联,索性给看了看代码.重新学习了一遍粒子群算法 ...
- 【Matlab图像检索】综合特征图像检索【含GUI源码 395期】
一.代码运行视频(哔哩哔哩) [Matlab图像检索]综合特征图像检索[含GUI源码 395期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
- 【Matlab肌电信号】肌电信号处理【含GUI源码 966期】
一.代码运行视频(哔哩哔哩) [Matlab肌电信号]肌电信号处理[含GUI源码 966期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余继周,杨 ...
最新文章
- XML解析——Jsoup解析器
- java--用 * 打印出各种图形(新手请进)
- 使用优化的基于模糊规则的特征选择技术和基于树的集成方法进行山洪敏感性建模--文献阅读
- 22. PE结构-PE详解之输入表(导入表)、屠龙刀W32Dasm(静态)、LordPE(动态)工具入门(查找dll、调用函数)
- Java并发编程:4种线程池和缓冲队列BlockingQueue
- [转]使用ThinkPHP框架快速开发网站(多图)
- 海豚浏览器历年笔试题
- 浅谈商品推荐:如何猜中用户的心思?
- 猫狗识别基于kaggle数据集
- 人用药品注册技术规定国际协调会议(ICH)
- WiFi密码破解详细图文教程
- 2010.04.20 工作之路 - 明源軟件科技
- java判断是否微信浏览器_Java判断浏览器是微信还是支付宝
- 有关在 Windows 上使用 Python 的常见问题解答
- 申请工作居住证政策解答
- 电子商务网站建设策划书_竞赛解析 | 全国大学生电子商务“创新、创意及创业”挑战赛...
- Anolis OS 8.2 RC2 发行,支持飞腾、海光、兆芯、鲲鹏等芯片
- springboot导入后Spring包飘红问题解决
- html表单按钮底部居中,Ant design StepsForm中如何使底部按钮居中
- Vlan间通信原理(HCIA)