【TSP问题】基于蜜蜂算法解决旅行商问题附Matlab代码
【TSP问题】基于蜜蜂算法解决旅行商问题附Matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
✅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。
个人主页： Matlab科研工作室
个人信条：格物致知。
更多Matlab仿真内容点击
智能优化算法 神经网络预测 雷达通信 无线传感器
信号处理 图像处理 路径规划 元胞自动机 无人机
⛄ 内容介绍
旅行商问题(Traveling Salesman Problem,TSP)是计算,工程,运筹学,离散数学,图论等领域中重要的研究课题之一.TSP被定义为一个推销员在所有城市的旅行,然后以最低的成本回到最初的城市,这是一个NP困难的问题.近年来有很多群体智能算法被用于解决TSP问题.群体智能(Swarm Intelligence,SI)对于难以解决的NP难问题是一个重要的研究方向.其中蜜蜂的觅食行为是一种智能的社会行为,属于群体智能范畴.由此产生的人工蜂群(Artificial Bee Colony,ABC)算法是一种模拟蜜蜂觅食行为的算法，模拟蜜蜂觅食行为并利用蜂群算法求旅行商问题的最优解。
⛄ 部分代码
%% 局部搜索
%输入：
%Elites 被选择的精英个体
%NbRange %局部搜索的邻域范围，即可改变的最大位数
%NWorkersElites %各精英解邻域内局部搜索解的数量
%输出：
% BeesLocalSearch 局部搜索解
function BeesLocalSearch=LocalSearch(Elites,NbRange,NWorkersElites);
[NElites,N]=size(Elites);
for i=1:NElites
for j = 1:NWorkersElites
HD = unidrnd(NbRange-1)+1; %随机选择改变位数
R=randperm(N); %任选HD个城市交互位置
k =(i-1)*NWorkersElites+j;
BeesLocalSearch(k,:)=Elites(i,:);
BeesLocalSearch(k,R(1:HD))=Elites(i,R(randperm(HD)));
end
end
⛄ 运行结果
⛄ 参考文献
[1]朱继生. 混合人工蜂群算法求解旅行商问题[D]. 广西大学.