蚁群算法解决旅行商问题 (TSP) - 优化路线规划 - 常规

本实验采用蚁群算法求解旅行商问题，实现的过程如下：

读取30个城市的坐标信息，存储在'city_condition'数组中；
根据30个城市坐标信息，求出任意两个城市之间的距离矩阵'Distance'；
初始化信息素矩阵'pheromonetable'，全为1；
初始化候选集列表'candidate'，存放所有蚂蚁的路径，一共'AntCount'个路径，每个路径有'city_count'个城市；
迭代'AntCount'次，每次迭代分为两步：

（1）蚂蚁初始点选择：根据'AntCount'和'city_count'的大小关系，随机生成'AntCount'个初始点，存放在'candidate'数组的第一列中；

（2）选择下一个城市：每个蚂蚁根据信息素浓度和城市适应度的倒数，选择下一个访问城市，直到访问完所有城市为止；
更新路径等参数：记录每次迭代的最优路径和距离值，如果当前的解没有之前的解好，则保持之前的最优解，否则用当前路径替换为当前的最优路径；
信息素的更新：根据蚂蚁行走的总距离，计算信息素的增加量，采用信息素更新公式进行更新；
输出蚁群算法的最优路径和迭代'MAX_iter'次后得到的最优解'distance_best[-1]'；
绘制最优路径和距离迭代图。

通过实验结果可以看出，蚁群算法在30个城市的旅行商问题中表现出色，能够找到较优的解。同时，在迭代过程中，距离值不断下降，说明算法能够不断优化路径。