function?[Route_BestLength_BestLength_AverageShortest_RouteShortest_LengthTime]=ACMTSP（CityLoop_MaxAnt_CountAlphaBetaVolatileQ）
%%根據(jù)城市的坐標(biāo)運(yùn)行，使用蟻群算法求解最優(yōu)化問題，并最后繪制運(yùn)行結(jié)果的圖形。
%%使用說明：[Route_BestLength_BestLength_AverageShortest_RouteShortest_Length]=ACMTSP（CityLoop_MaxAnt_CountAlphaBetaVolatileQ）
%%?主要符號(hào)說明
%%City_Count:城市的個(gè)數(shù).
%%?City:City_Count個(gè)城市的坐標(biāo)，City_Count×2的矩陣.
%%?Loop_Max:最大循環(huán)次數(shù)，即迭代的次數(shù)
%%?Ant_Count:螞蟻個(gè)數(shù)
%%?Alpha:表征信息素重要程度的參數(shù)
%%?Beta:表征啟發(fā)因子（期望）重要程度的參數(shù)
%%?Volatile：信息素?fù)]發(fā)系數(shù)
%%?Q：信息素強(qiáng)度的系數(shù)，一般是一個(gè)常量
%%?Route_Best：代表最佳路線
%%?Length_Best：代最佳路線的長(zhǎng)度
%%Length_Average:代表平均路徑長(zhǎng)度
%%Shortest_Route：表示找到的最短的路徑，其中包含城市節(jié)點(diǎn)序列
%%Shortest_Length：表示最短路徑的長(zhǎng)度
%%Time：程序運(yùn)行時(shí)間，不包括繪圖時(shí)間.
%%=========================================================================?

%第一步：變量初始化
City_Count=size（City1）;%City_Count表示問題的規(guī)模（城市個(gè)數(shù)）
D=zeros（City_CountCity_Count）;%D表示完全圖的賦權(quán)鄰接矩陣
for?i=1:City_Count
????for?j=1:City_Count
????????if?i~=j
????????????D（ij）=（（City（i1）-City（j1））^2+（City（i2）-City（j2））^2）^0.5;
????????else
????????????D（ij）=eps;?%i=j時(shí)不計(jì)算，應(yīng)該為0，但后面的啟發(fā)因子要取倒數(shù)，用eps（浮點(diǎn)相對(duì)精度）表示
????????end
????????D（ji）=D（ij）;???%對(duì)稱矩陣
????end
end
%D表示城市之間的距離，D（i，j）表示第i個(gè)城市距離第j個(gè)城市之間的距離.
%D這個(gè)矩陣應(yīng)該是對(duì)稱的。
Expectation=1./D;%Eta為啟發(fā)因子，這里設(shè)為距離的倒數(shù)
T_Pheromone=ones（City_CountCity_Count）;?????%T_Pheromone為信息素矩陣
T_Ant_Passed=zeros（Ant_CountCity_Count）;???%存儲(chǔ)并記錄每個(gè)螞蟻經(jīng)過的路徑
NC=1;?%迭代計(jì)數(shù)器，記錄迭代次數(shù)
Route_Best=zeros（Loop_MaxCity_Count）;%每代找到的最佳路線
Length_Best=inf.*ones（Loop_Max1）;???%每代最佳路線的長(zhǎng)度
Length_Average=zeros（Loop_Max1）;????????%每代路線的平均長(zhǎng)度
tic
while?NC<=Loop_Max????????%停止條件之一：達(dá)到最大迭代次數(shù)，停止
????%%第二步：將m只螞蟻放到n個(gè)城市上
????Rand_Position=[];???%隨即存取
????for?i=1:（ceil（Ant_Count/City_Count））
????????Rand_Position=[Rand_Positionrandperm（City_Count）];
????end
????T_Ant_Passed（:1）=（Rand_Position（11:Ant_Count））‘;????%將螞蟻放在城市上，并記錄螞蟻訪問過的城市的編號(hào)????
????%%第三步：m只螞蟻按概率函數(shù)選擇下一座城市，完成各自的周游
????for?j=2:City_Count?????%所在城市不計(jì)算
????????for?i=1:Ant_Count??
????????????visited=T_Ant_Passed（i1:（j-1））;?%記錄已訪問的城市，避免重復(fù)訪問
????????????No_Visited_City=zeros（1（City_Count-j+1））;???????%待訪問的城市
????????????P=No_Visited_City;??????????????????????%待訪問城市的選擇概率分布
????????????No_V_C_Count=1;
????????????for?k=1:City_Count
????????????????if?isempty（find（visited==k?1））???%開始時(shí)置0
????????????????????No_Visited_City（No_V_C_Count）=k;????????????????????
????????????????????No_V_C_Count=No_V_C_Count+1;??%訪問的城市個(gè)數(shù)自加1
????????????????end
????????????end
????????????%下面計(jì)算待選城市的概率分布
????????????for?k=1:length（No_Visited_City）
????????????????P（k）=（T_Pheromone（visited（end）No_Visited_City（k））^Alpha）*（Expectation（visited（end）No_Visited_City（k））^Beta）;
????????????end
????????????P=P/（sum（P））;
????????????%按概率原則選取下一個(gè)城市
????????????Pcum=cumsum（P）;????%cumsum，元素累加即求和
????????????Select=find（Pcum>=rand）;?%若計(jì)算的概率大于原來的就選擇這條路線
????????????%-------------------------
????????????%Select=find（P>=rand）;?%若計(jì)算的概率大于原來的就選擇這條路線
????????????%while（isempty（Select））
????????????%????Select=find（P>=r

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件???????6728??2010-11-25?01:05??ACS_Niu\ACMTSP.m

?????文件???????4981??2010-11-25?01:04??ACS_Niu\ACM_TSP_Dist.m

?????文件????????504??2010-11-25?00:32??ACS_Niu\GetMatrixByLowerDiag.m

?????文件????????631??2010-11-25?00:53??ACS_Niu\MatrixR17.mat

?????文件????????832??2010-11-25?00:53??ACS_Niu\MatrixR21.mat

?????文件????????319??2010-11-25?00:54??ACS_Niu\St70.mat

?????目錄??????????0??2010-11-25?01:08??ACS_Niu

-----------?---------??----------?-----??----

????????????????13995????????????????????7