基于蚁群算法和Dijkstra算法的二维路径规划，程序是MATLAB的m文件，下载运行main文件即可

比较全的蚁群算法，含matlab和c源程序，各种资料文档

MATLAB 蚁群算法求解背包问题，确定可用

基于蚁群算法的特点进行单目标优化，将其信息素作为选择概率。这里增加了，最优选择，把每次的最小值保存下来，且内含标准测试集，适合用于改进研究。

为了解决工艺规划与车间调度集成( IPPS)问题,提出了一种改进的蚁群优化( ACO)算 法.通过节点集、有向弧集、无向弧集,构建了一种基于图的 IPPS优化模型.以零件加工时间作为 启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方 案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效 率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以 获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效

文件含有源码和专题报告，报告全面详细完整，包含绪论、文献探讨、研究方法、研究成果以及结论心得。

路径规划综述,常用的路径规划算法及改进策略

针对蚁群算法容易陷入局部最优,收敛速度慢,难以解决大规模问题,提出依据信息熵和停滞次数的动态信息素的更新策略和基于最优路径集合的奖惩策略的蚁群算法,在动态信息素更新策略中,利用收敛系数来动态调节信息素,从而有效的平衡算法的多样性和收敛性.在搜索过程中,通过持续增大收敛系数,加快了收敛速度;当信息熵降低或者停滞次数达到一定数值时,通过降低收敛系数,从而跳出局部最优.同时基于最优路径集合,对较优路径奖励,对其他路径惩罚,通过减少蚂蚁每一步可选城市的数量,加快了收敛速度.并且使用三种局部优化方法,从而进一步提高解的精度.经过实验测试,该算法用于解决旅行商 TSP(Travelling Salesman Problem)问题,具有较高的求解精度,并能有效平衡解的精度和收敛速度的矛盾.

通过蚁群算法实现对于TSP（旅行商问题）的求解，关于蚁群算法中的各个参数的含义和公式可在我的博客中找到

智能算法 智能算法是路线规划，深度学习等等各个领域所使用的优化算法，是算法进阶之路的必备之路。 简介 主要针对总体主流的算法进行，例如遗传算法，粒子群算法，模拟重复算法，免疫算法，蚁群算法等等一系列的算法。 | |登录微信公众号：TeaUrn 开始使用 实现版本Java，Python，MatLab多版本实现。具体详细说明单击以下连接针对每个算法都有详细的说明。 联系方式： 微信公众号： TeaUrn或者扫描下方二维码进行关注。里面有惊喜等你哦~~ 捐赠 如果您觉得文章对您有所帮助，可以请作者喝 :hot_beverage: 。 支付宝/微信/ QQ