c语言实现蚁群算法 （核心+注释） 算法运行后 提醒需要一个文件 把“city31.tsp”保存到c目录即可

里面有一些蚁群算法的详细介绍及说明,实现是用TC写的,另外,里面有一个示例,即代码的运行结果

蚁群算法的优化计算——旅行商问题（TSP）优化，结合具体的案例给出了程序分析

蚁群算法实现vrp问题java版本

提出一种全局静态环境下移动机器人路径规划的改进势场蚁群算法.该算法采用人工势场法求得的初始路径和机器人与下一个节点之间的距离综合构造启发信息,并引入启发信息递减系数,避免了传统蚁群算法由于启发信息误导所致的局部最优问题;依据零点定理, 提出初始信息素不均衡分配原则,不同的栅格位置赋予不同的初始信息素,降低蚁群搜索的盲目性,提高算法的搜索效率;设定迭代阈值,自适应调节信息素挥发系数,使得该算法具有较高的全局搜索能力,避免出现停滞现象.仿真结果验证了所提出算法的可行性和有效性.

基于改进蚁群算法的双目标第四方物流路径优化，黄敏，任亮，路径优化问题是第四方物流中的关键问题。根据现代物流服务的需要，本文提出第四方物流多目标路径问题。综合路径优化和供应商选择

针对传统粒子滤波算法中粒子匮乏以及粒子多样性丧失的问题, 提出了一种基于蚁群优化的改进粒子滤波算法。该算法利用蚁群算法优化粒子滤波的重采样过程, 使粒子在更新权值后, 利用转移概率向权值较优粒子的位置移动, 以防止权值较小的粒子在多次迭代后退化消失; 同时, 设置转移阈值, 以抑制权值较优粒子间的转移, 从而同时解决了粒子匮乏以及粒子多样性丧失的问题。实验结果表明, 该算法具有较高的预估精度和较好的鲁棒性。

蚁群算法 详细资料 内含代码与学习资料 C代码及matlab蚁群算法工具箱及使用教程

chapter22蚁群算法的优化计算——旅行商问题(TSP)优化

用蚁群算法实现TSP问题，内含13个城市测试矩阵的相对坐标，算法源程序，运行结果和鲁棒性分析，程序移植性好易于修改