本帖最后由 yangzijiang 于 2010-12-1 21:55 编辑
案例22：蚁群算法的优化计算——旅行商问题(TSP)优化
*
**********************************************************************************
论坛申明：
1 案例为原创案例，论坛拥有帖子的版权，转载请注明出处（MATLABSKY论坛，《MATLAB智能算法30个案例分析》
2 案例内容为书籍原创内容，内容为案例的提纲和主要内容。
3 作者长期驻扎在板块，对读者和会员问题有问必答。
4 案例配套有教学视频和完整的MATLAB程序，MATLAB程序在购买书籍后可以自由下载，教学视频需要另外购买。
MATLAB书籍预定方法和优惠服务：http://www.matlabsky.com/thread-9258-1-1.html
点击这里，预览该案例程序：http://book.matlabsky.com/znsf/view/s22/main.html
已经预定的朋友点此下载程序源代码：http://www.matlabsky.com/thread-11646-1-1.html
*
*********************************************************************************
1、案例背景
蚁群算法（Ant Colony Algorithm，ACA）是由意大利学者M.Dorigo等人于20世纪90年代初提出的一种新的模拟进化算法，其真实地模拟了自然界蚂蚁群体的觅食行为。M.Dorigo等人将其应用于解决旅行商问题（Traveling Salesman Problem，TSP），取得了较好的实验结果。
近年来，许多专家与学者致力于蚁群算法的研究，并将其应用于交通、通信、化工、电力等领域，成功解决了许多组合优化问题，如调度问题（Job-shop Scheduling Problem）、指派问题（Quadratic Assignment Problem）、旅行商问题（Traveling Salesman Problem）等。
本章将详细阐述蚁群算法的基本思想及原理，并以实例的形式介绍其应用于解决中国旅行商问题（Chinese TSP，CTSP）的情况。
按照枚举法，我国31个直辖市、省会和自治区首府（未包括港、澳、台）的巡回路径应有约1.326*1032种，其中一条路径如图22-2所示。试利用蚁群算法寻找到一条最佳或者较佳的路径。
2、案例目录：
22.1 理论基础
22.1.1 蚁群算法基本思想
22.1.2 蚁群算法解决TSP问题基本原理
22.1.3 蚁群算法解决TSP问题基本步骤
22.1.4 蚁群算法的特点
22.2 案例背景
22.2.1 问题描述
22.2.2 解决思路及步骤
22.3 MATLAB程序实现
22.3.1 清空环境变量
22.3.2 导入数据
22.3.3 计算城市间相互距离
22.3.4 初始化参数
22.3.5 迭代寻找最佳路径
22.3.6 结果显示
22.3.7 绘图
22.4 延伸阅读
22.4.1 参数的影响及选择
22.4.2 延伸阅读
22.5 参考文献
3、主程序：
