function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)
%%=========================================================================
%%  ACATSP.m
%%  Ant Colony Algorithm for Traveling Salesman Problem
%%  ChengAihua,PLA Information Engineering University,ZhengZhou,China
%%  Email:aihuacheng@gmail.com
%%  All rights reserved
%%-------------------------------------------------------------------------
%%  主要符號說明
%%  C        n個城市的坐標，n×2的矩陣
%%  NC_max   最大迭代次數
%%  m        螞蟻個數
%%  Alpha    表征信息素重要程度的參數
%%  Beta     表征啟發式因子重要程度的參數
%%  Rho      信息素蒸發系數
%%  Q        信息素增加強度系數
%%  R_best   各代最佳路線
%%  L_best   各代最佳路線的長度
%%=========================================================================

%%第一步：變量初始化
n=size(*,1);%*表示問題的規模（城市個數）
*=zeros(n,n);%D表示完全圖的賦權鄰接矩陣
for i=1:n
    for j=1:n
        if i~=j
            D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
        else
            D(i,j)=eps;
        end
        D(j,i)=D(i,j);
    end
end
Eta=1./D;%Eta為啟發因子，這里設為距離的倒數
Tau=ones(n,n);%Tau為信息素矩陣
Tabu=zeros(m,n);%存儲并記錄路徑的生成
NC=1;%迭代計數器
R_best=zeros(NC_max,n);%各代最佳路線
L_best=inf.*ones(NC_max,1);%各代最佳路線的長度
L_ave=zeros(NC_max,1);%各代路線的平均長度

while NC<=NC_max%停止條件之一：達到最大迭代次數
    %%第二步：將m只螞蟻放到n個城市上
    Randpos=[];
    for i=1:(ceil(m/n))
        Randpos=[Randpos,randperm(n)];
    end
    Tabu(:,1)=(Randpos(1,1:m))';
   
    %%第三步：m只螞蟻按概率函數選擇下一座城市，完成各自的周游
    for j=2:n
        for i=1:m
            visited=Tabu(i,1:(j-1));%已訪問的城市
            J=zeros(1,(n-j+1));%待訪問的城市
            P=J;%待訪問城市的選擇概率分布
            Jc=1;
            for k=1:n
                if length(find(visited==k))==0
                    J(Jc)=k;
                    Jc=Jc+1;
                end
            end
            %下面計算待選城市的概率分布
            for k=1:length(J)
                P(k)=(Tau(visited(end),J(k))^Alpha)*(Eta(visited(end),J(k))^Beta);
            en*
            *=*/(sum(P));
            %按概率原則選取下一個城市
            Pcum=cumsum(P);
            Select=find(Pcum>=rand);
            to_visit=J(Select(1));
            Tabu(i,j)=to_visit;
        end
    end
    if NC>=2
        Tabu(1,:)=R_best(NC-1,:);
    end
   
    %%第四步：記錄本次迭代最佳路線
    L=zeros(m,1);
    for i=1:m
        R=Tabu(i,:);
        for j=1:(n-1)
            L(i)=L(i)+D(R(j),R(j+1));
        end
        L(i)=L(i)+D(R(1),R(n));
    end
    L_best(NC)=min(L);
    pos=find(L==L_best(NC));
    R_best(NC,:)=Tabu(pos(1),:);
    L_ave(NC)=mean(L);
    NC=NC+1
   
    %%第五步：更新信息素
    Delta_Tau=zeros(n,n);
    for i=1:m
        for j=1:(n-1)
            Delta_Tau(Tabu(i,j),Tabu(i,j+1))=Delta_Tau(Tabu(i,j),Tabu(i,j+1))+Q/L(i);
        end
        Delta_Tau(Tabu(i,n),Tabu(i,1))=Delta_Tau(Tabu(i,n),Tabu(i,1))+Q/L(i);
    end
    Tau=(1-Rho).*Tau+Delta_Tau;
   
    %%第六步：禁忌表清零
    Tabu=zeros(m,n);
end

%%第七步：輸出結果
Pos=find(L_best==min(L_best));
Shortest_Route=R_best(Pos(1),:);
Shortest_Length=L_best(Pos(1));
subplot(1,2,1)
DrawRoute(C,Shortest_Route)
subplot(1,2,2)
plot(L_best)
hold on
plot(L_ave)
 
function DrawRoute(C,R)
%%====================================================================
%%  DrawRoute.m
%%  畫路線圖的子函數
%%--------------------------------------------------------------------
%%  C    Coordinate        節點坐標，由一個N×2的矩陣存儲
%%  R    Route             路線
%%====================================================================

N=length(R);
scatter(C(:,1),C(:,2));
hold on
plot([C(R(1),1),C(R(N),1)],[C(R(1),2),C(R(N),2)])
hold on
for ii=2:N
    plot([C(R(ii-1),1),C(R(ii),1)],[C(R(ii-1),2),C(R(ii),2)])
    hold on
end

 
設置初始參數如下：
m=31;Alpha=1;Beta=5;Rho=0.1;NC_max=200;Q=100;