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。

有关蚁群优化算法收敛性分析的研究还很少,不利于进一步改进其算法.为此, 较详细地分析了用蚁群优化算法求解TSP问题的收敛性,证明了当0

ِ直流电机PID控制器的蚁群优化Ant Colony 用于查找直流电机速度控制的 PID 参数

针对水下传感器网络能量消耗大、延迟时间长、信道利用率低等问题，提出了一种带选择适应性的水下传感器网络分布式路由算法（AS-UWSN）。AS-UWSN使数据包成为一种具有以最大阈值为能耗界限的选择性和具有以最大信息素浓度为搜索对象的适应性的蚁群，以当前链路的能量损耗、网络延迟、误包率作为信息素的产生因子，每次迭代时蚁群都会直接搜索最优的节点转发路径，迭代次数少且具有更好的实时性和灵活性。实验仿真结果表明，在水下无线传感器网络的能量优化以及延迟时间控制、信道利用率提升上采用AS-UWSN算法得到了较好的效果。

这是用MATLAB软件计算旅行商问题的源程序，我试过了，能用。不过初学者在运用时会遇到一些困难。

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