蚁群算法的python代码

以下是一个基于 Python 的蚁群算法代码示例：

import random

# 邻接矩阵，用于表示各节点之间的距离
matrix = [
  [0, 2, 4, 5, 1],
  [2, 0, 7, 3, 6],
  [4, 7, 0, 8, 1],
  [5, 3, 8, 0, 4],
  [1, 6, 1, 4, 0]
]

# 蚂蚁数量
ants_count = 10

# 迭代次数
iterations = 50

# 信息素挥发因子
evaporation_rate = 0.5

# 普遍启发因子
alpha = 1

# 前人经验因子
beta = 2

# 信息素变化速率
delta = 1

# 初始化信息素数组
pheromone = [[1 / (len(matrix)**2) for x in range(len(matrix))] for y in range(len(matrix))]

# 开始迭代
for it in range(iterations):
  # 初始化蚂蚁位置和路径
  ant_paths = [[random.randrange(len(matrix))] for _ in range(ants_count)]

  # 让所有蚂蚁都走一遍
  for step in range(len(matrix) - 1):
    for i, ant in enumerate(ant_paths):
      current_node = ant[-1]

      # 计算可选节点的概率
      probabilities = []
      for j in range(len(matrix)):
        if j not in ant:
          ph = pheromone[current_node][j]**alpha
          desirability = (1 / matrix[current_node][j])**beta
          probabilities.append(ph * desirability)
        else:
          probabilities.append(0)
      sum_of_probabilities = sum(probabilities)

      # 若所有可选节点都被走过，则随机选择一个
      if sum_of_probabilities == 0:
        ant.append(random.choice([x for x in range(len(matrix)) if x not in ant]))
      else:
        # 根据概率选择下一个节点
        r = random.uniform(0, sum_of_probabilities)
        s = 0
        for j, probability in enumerate(probabilities):
          s += probability
          if s >= r:
            ant.append(j)
            break

  # 计算所有路径的距离
  distances = []
  for ant in ant_paths:
    distance = 0
    for i in range(len(ant) - 1):
      distance += matrix[ant[i]][ant[i+1]]
    distances.append(distance)

  # 更新信息素
  for i in range(len(matrix)):
    for j in range(len(matrix)):
      if i != j:
        # 计算当前节点到下一个节点的信息素变化量
        delta_pheromone = 0
        for k, ant in enumerate(ant_paths):
          if j in ant and ant.index(j) == ant.index(i) + 1:
            delta_pheromone += delta / distances[k]
        # 信息素挥发+添加当前节点到下一个节点的信息素变化量
        pheromone[i][j] = (1 - evaporation_rate) * pheromone[i][j] + delta_pheromone

# 输出最优路径及其距离
optimal_distance = min(distances)
optimal_path = ant_paths[distances.index(optimal_distance)]
print(f"Optimal path: {optimal_path}, distance: {optimal_distance}")

该示例代码实现了基本的蚁群算法，用于寻找一个有向带权图中所有路径中的最短路径。在第一行定义了一个有向带权邻接矩阵，表示各节点之间的距离。在后面的参数中，定义了蚂蚁数量、迭代次数、信息素挥发因子、普遍启发因子、前人经验因子和信息素变化速率等参数。程序先初始化信息素数组，然后进行一定次数的迭代，每次迭代都让所有蚂蚁依次走一遍，更新信息素数组，最后输出最优路径及其距离。