【优化算法】贪婪策略和变异策略的混合蚁群算法【含Matlab源码 1521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】贪婪策略和变异策略的混合蚁群算法【含Matlab源码 1521期】

获取代码方式2：
通过紫极神光博客主页开通CSDN会员，凭支付凭证，私信博主，可获得此代码。

获取代码方式3：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：开通CSDN会员，仅只能免费获得1份代码（有效期为开通日起，三天内有效）；
订阅紫极神光博客付费专栏，可免费获得2份代码（有效期为订阅日起，三天内有效）；

二、部分源代码

%% 主要符号说明 
%% C n个物品的坐标，n×2的矩阵 
%% NC_max 最大迭代次数 
%% m 蚂蚁个数 
%% Alpha 表征局部信息素重要程度的参数 
%% Beta 表征启发式因子重要程度的参数 
%% kethe表征全局信息素重要程度的参数 
%% Rho 信息素蒸发系数 
%% Q 当解不稳定时全局信息素增加强度系数 
%% V_best 最终结果
%% R_best 各代最佳组合
%% Q_best 各代最佳组合的价值 
%%========================================================================= 
%%第一步：变量初始化 
%C=[55,95;10,4;47,60;5,32;4,23;50,72;8,80;61,62;85,65;87,46];
%KV=269; 
%C=[44,92;46,4;90,43;72,83;91,84;40,68;75,92;35,82;8,6;54,44;78,32;40,18;77,56;15,83;61,25;17,96;75,70;29,48;75,14;63,58];
%KV=878;
%a=[72,490,651,833,883,489,359,337,267,441,70,934,467,661,220,329,440,774,595,98,424,37,807,320,501,309,834,851,34,459,111,253,159,858,793,145,651,856,400,285,405,95,391,19,96,273,152,473,448,231];
%b=[438,754,699,587,789,912,819,347,511,287,541,784,676,198,572,914,988,4,355,569,144,272,531,556,741,489,321,84,194,483,205,607,399,747,118,651,806,9,607,121,370,999,494,743,967,718,397,589,193,369];
%KV=11258;
%b=[350,310,300,295,290,287,283,280,272,270,265,251,230,220,215,212,207,203,202,200,198,196,190,182,181,175,160,155,154,140,132,125,110,105,101,92,83,77,75,73,72,70,69,66,60,58,45,40,38,36,33,31,27,23,20,19,10,9,4,1];
%a=[135,133,130,11,128,123,20,75,9,66,105,43,18,5,37,90,22,85,9,80,70,17,60,35,57,35,61,40,8,50,32,40,72,35,100,2,7,19,28,10,22,27,30,88,91,47,68,108,10,12,43,11,20,37,17,4,3,21,10,67];
%KV=3200;
a=randperm(100);%物品价值
b=randperm(100);%物品重量
KV=0.8*sum(a); 
C=[a',b'];
n=size(C,1);%n表示问题的规模（物品个数） 
m=n;
u=n/10;
D=zeros(1,n);
D=C(:,1)./C(:,2); %物品价值与重量之比
D=D';

%贪婪算法计算
for j=1:n
    for i=1:(n-j)
        if(D(i)<D(i+1))
            t1=D(i);
            t2=a(i);
            t3=b(i);
            D(i)=D(i+1);
            a(i)=a(i+1);
            b(i)=b(i+1);
            D(i+1)=t1;
            a(i+1)=t2;
            b(i+1)=t3;
        end
    end
end
C=[a',b'];
V_best=0; %最优价值 
W_best=0; %最优价值对应重量
p=1;
while W_best<=KV
    V_best=V_best+a(p);
    W_best=W_best+b(p);
    p=p+1;
end
V_best=V_best-a(p-1);
W_best=W_best-b(p-1);
Eta=zeros(n);
for i=1:n
    Eta(i) = D(i) ;      %Eta为启发因子，这里设为D
end
NC_max=30; 
Alpha=1;
kethe=1;
Beta=1; 
Rho=0.3; 
theta=0.7;
gama=0.15;
Q=0.1; 
Tau=ones(n);%Tau为局部信息素矩阵  
Tabu=zeros(m,n); %禁忌表矩阵
ramta=ones(n);%ramta为全局信息素矩阵 
NC=1;%迭代计数器
Q_best=zeros(NC_max,1); %各代最佳组合的价值 
R_best=zeros(NC_max,n);  %各代最佳组合
t=ceil(n/3);
while NC<=NC_max    %停止条件之一：达到最大迭代次数  
%%第二步：把贪婪算法的前t个选择赋予禁忌表 
            S=zeros(1,m);%每只蚂蚁选择物品总价值
            W=zeros(1,m);%每只蚂蚁选择物品总重量
            for i=1:t
                Tabu(:,i)=i;%把贪婪算法的前t个选择赋予禁忌表
            end
%%第三步：m只蚂蚁按概率函数选择下一个物品，完成各自的选择
            for i=1:m
                for j=1:t
                    if W(i)+b(j)<=KV
                       S(i)=S(i)+a(j); %赋于每只蚂蚁初始价值
                       W(i)=W(i)+b(j); %赋于每只蚂蚁初始重量
                   end
                end
            end

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
 

三、运行结果

四、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.

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/121311646