//método principal do ACO
public TSPSolution Run()
{
//verificar condição de término
for (int iter = 0; iter < 5000; iter++)
{
//prepara as estruturas para a decisão de caminho das formigas
Ant.PrepareMove(problem);
//para cada formiga, movê-las até o destino
foreach (Ant ant in ants)
{
ant.Move(problem);
}
//avaliar o custo de todas as soluções
TSPSolution partial;
foreach (Ant ant in ants)
{
partial = new TSPSolution(ant.getSolution(), problem);
if (partial.BetterThan(bestSolutionFound))
{
//guardar a melhor solução até o momento
bestSolutionFound = (TSPSolution) partial.Clone();
Console.WriteLine("Melhor Solucao Encontrada: " + bestSolutionFound.Fitness);
}
}
//atualizar as trilhas de feromônio
UpdatePheromones();
}
//retornar solução
return bestSolutionFound;
}
//construtor do ACO
//recebe os parâmetros a serem utilizados nas funções de movimento da formiga e de atualização de feromônio
public ACO(TravellingSalesmanMap TSP, int numAnts)
{
//inicializar variáveis
problem = new AntProblem(TSP);
bestSolutionFound = new TSPSolution();
taxaEvaporacao = 0.9;
//cria as formigas e coloca cada uma em um vértice aleatório do grafo
System.Random random = new Random();
ants = new List<Ant>();
for (int i = 0; i < numAnts; i++)
//ants.Add(new Ant(random.Next(problem.CityCount) + 1));
ants.Add(new Ant((i + 1)%(TSP.CityCount + 1)));
}
public object Clone()
{
TSPSolution s = new TSPSolution(TravelPlan.TakeWhile(C => true).ToList(), problem);
return s;
}
//função que compara duas soluções
public bool BetterThan(TSPSolution other)
{
return this.Fitness < other.Fitness;
}
public object Clone()
{
TSPSolution s = new TSPSolution(TravelPlan.TakeWhile(C => true).ToList(), problem);
return(s);
}
//função que compara duas soluções
public bool BetterThan(TSPSolution other)
{
return(this.Fitness < other.Fitness);
}
//atualiza o valor dos feromônios no problema após cada iteração
void UpdatePheromones()
{
int cityB, cityC;
//atualiza o valor dos feromônios de cada aresta
//para cada aresta no grafo
for (int cityA = 1; cityA <= problem.CityCount; ++cityA) {
for (cityB = cityA; cityB <= problem.CityCount; ++cityB) {
//evaporar feromônio de acordo com a fórmula do artigo
//(1-taxa de evaporação) * atual
problem.SetPheromoneBetween(cityA, cityB, (1 - taxaEvaporacao) * problem.GetPheromoneBetween(cityA, cityB));
}
//para cada aresta que cada formiga andou
foreach (Ant ant in ants) {
TSPSolution sol = new TSPSolution(ant.getSolution(), problem);
int c1 = sol.TravelPlan[0];
foreach (int c2 in ant.getSolution())
{
cityB = c1;
cityC = cityB < c2 ? c2 : cityB;
cityB = cityB < c2 ? cityB : c2;
//atualizar o valor do feromônio de acordo com o artigo
//(+ persistencia * 1/f(S), onde f(S) é a distância entre as duas cidades)
//problem.SetPheromoneBetween(cityB, cityC, problem.GetPheromoneBetween(cityB, cityC) + (taxaEvaporacao * (1 / problem.GetDistanceBetween(cityB, cityC))));
problem.SetPheromoneBetween(cityB, cityC, problem.GetPheromoneBetween(cityB, cityC) + (taxaEvaporacao * (1 / sol.Fitness)));
}
}
}
}
