路由选择是一种基于网络层的协议，而所有流行的网络层路由选择协议都是基于以下两种典型的分布式算法之一：距离向量路由算法和链路状态路由算法。组合优化问题是人们在工程技术、科学研究和经济管理等众多领域经常遇到的问题，其中许多问题如旅行商问题、0-1背包问题、图着色问题、装箱问题等，都被证明为NP-困难问题。用确定性的优化算法求NP完全问题的最优解，其计算时间使人难以忍受或因问题的高难度而使其计算时间随问题规模的增加以指数速度延长。用近似算法如启发式算法求解得到的近似解不能保证其可行性和最优性，甚至无法知道所得解同最优解的近似程度。因而在求解大规模组合优化问题时，传统的优化算法就显得无能为力了。在过去的10多年，蚁群算法（ACO）的研究和应用取得了很大的进展，大量结果证明了算法的有效性和在某些领域的优势。蚁群算法是一种新型的模拟进化算法, 研究表明该算法具有并行性, 鲁棒性等优良性质。本文阐述了蚁群算法的原理,详细的说明了蚂蚁算法中各个功能模块，并介绍了该算法在理论和实际问题中的应用, 并对其前景进行了展望。

代码解释的很详细，可以直接用，已经测试过了，很好用。

复现蚁群算法，解决TSP问题，注释详细

0积分下载，代码运行效果图见压缩包

硕士学位论文，很有帮助硕士学位论文，很有帮助硕士学位论文，很有帮助硕士学位论文，很有帮助

蚁群算法的优化计算——旅行商问题(TSP)优化，注释齐全

matlab蚁群算法tsp.txt

针对传统蚁群算法收敛速度慢、易陷入局部最优解的缺点，提出了改进距离启发因子以增加目标节点对下一节点的影响，从而提高全局搜索能力，避免陷于局部最优解，提高收敛速度；考虑真实环境的复杂多样性，引入多个路径质量约束来改进信息素更新规则。仿真实验结果显示，改进蚁群算法在动态路径规划中具有良好的效果。

这是一些蚁群算法的实例，里面有一些m文件也方便大家自己调用

hslogic算法仿真蚁群算法优化matlab仿真 [path,information]=searchpath(n,m,information,z,starty,starth,endy,endh); %路径寻找 fitness=CacuFit(path); %适应度计算 [bestfitness,bestindex]=min(fitness); %最佳适应度 bestpath=path(bestindex,:); Best=[Best;bestfitness];