蚁群算法课程设计报告.doc

人工智能-项目实践-优化算法-遗传算法、禁忌搜索、模拟退火、蚁群算法 遗传算法、禁忌搜索、模拟退火、蚁群算法 解决三十个城市的旅行商问题 人工智能课的一次作业，py写的，来自我这个新手码农 以下是三十个城市的坐标 41 94 37 84 54 67 25 62 7 64 2 99 68 58 71 44 54 62 83 69 64 60 18 54 22 60 83 46 91 38 25 38 24 42 58 69 71 71 74 78 87 76 18 40 13 40 82 7 62 32 58 35 45 21 41 26 44 35 4 50

地理信息智能化处理 课程作业--蚁群算法及其应用 编程 关于数据挖掘软件WEKA的分析和总结.doc

一种求解TSP的蚁群算法.doc

在Matlab实现使用基本蚁群算法，并且能够解决TSP问题。

TSP蚁群算法matlab代码＋完整的注释 可直接运行求解，并有详细的注释，对学习TSP蚁群算法非常有帮助

【预测模型】基于蚁群算法优化bp神经网络实现数据预测matlab源码.pdf

蚁群算法编写的移动机器人路径规划，障碍物可调，能直接运行

关于蚁群算法的描述，一次算法基础课的课程设计报告，对蚁群算法进行了详尽的分析，并给出了测试结果和主要代码。

蚁群算法解TSP问题伪代码 蚁群算法 Step1 初始化，把最优路径长度设置为一个很大值计算城市之间的距离，设 置环境信息素为1.0 Step2 蚂蚁搜索前初始化，设置全部城市为没有去过，走过的路径长度设置 0 随机选择一个出发城市 Step3 蚂蚁开始移动，调用ChooseNextCity()函数选择下一个城市，直到 走完所有的城市。 Step4 调用CalPathLength()函数计算走过的路径长度 Step5 等到每只蚂蚁搜索完一遍，把最优路径（路径长度最短）保存在 m_cBestAnt.m_dbPathLength中并输出。 Step6 根据路径长度更新城市之间的信息素 Step7 重复执行Step2至Step6 N_IT_COUNT次