求助，蚁群算法解决车辆配送vrp的代码看不太懂

改程序是用matlab编写的 代码如下

function [G_k,G_best_route,G_best_length,K,best_route,best_length,length_ave]=VRP(C,NC_max,m,Alpha,Beta,Rho,Q,W,t) %#ok<INUSD,STOUT>
%%
%--------------------------------------------------------------------------
%%参数说明
%%G_K:各代最优车辆数目
%%G_best_route：各代最优路线
%%G_best_length：各代最优路线长度
%%K：最优车辆数目
%%best_route：最优路线
%%best_length：最优路线长度
%%length_ave：各代平均长度
%%C：DC和工厂的坐标
%%NC_max：最大迭代次数
%%m：蚂蚁数目
%%Alpha：重要度系数
%%Beta：能见度系数
%%Rho：挥发度系数
%%Q：信息更新参数
%%W:车辆载重量
%%
%%第一步 初始化变量和系数 m=60;Alpha=1;Beta=1;gama=2;Rho=0.15;NC_max=50;Q=15;W=9;qq=0.05; %#ok<NASGU>
C=[0 0
0 -1
0 3
-2 -2
-3 -3
3 -1
-4 0
-4 -1
1 -2
1 -1
1 3
3 4
-3 0
2 0
1 -3
2 -1
2 1
1 -4
-3 2
-1 -1]; %#ok<NASGU>
t=[0 1.5 1.8 2 0.8 1.5 1.0 2.5 3.0 1.7 0.6 0.2 2.4 1.9 2.0 0.7 0.5 2.2 3.1 0.1]; %构造仓库和工厂等之间的距离矩阵 n=size(C,1);%n表示问题的规模（城市个数）
D=zeros(n,n);%D表示完全图的赋权邻接矩阵
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 %构造节省量矩阵
U=zeros(n,n);%U表示工厂之间的连接和其与仓库之间连接能节省的距离
for i=1:n
for j=1:n
if i~=j
U(i,j)=D(i,1)+D(j,1)-D(i,j);
else
U(i,j)=eps;
end
U(j,i)=U(i,j);
end
end
load_w=0;
Eta=1./D;%Eta为启发因子，这里设为距离的倒数
Tau=ones(n,n);%Tau为信息素矩阵
Tabu=zeros(m,n+20);%存储并记录路径的生成
NC=1;%迭代计数器
G_best_route=[NC_max,n+20];%各代最佳路线
G_best_length=inf.*ones(NC_max,1);%各代最佳路线的长度
length_ave=zeros(NC_max,1);%各代路线的平均长度 %%第二步，把蚂蚁放到DC内
while NC<=NC_max%停止条件之一：达到最大迭代次数
Tabu(:,1)=randint(m,1,[1,1]);
%%第三步，m只蚂蚁按照要求的方法选择工厂，并完成周游
for i=1:m
visited=Tabu(i,:);
visited=visited(visited>0);
to_visit=setdiff(1:n,visited);
c_temp=length(to_visit);
j=1;
while j<=n
if ~isempty(to_visit)
%visit_thisant=[];
%while to_visit~=[1]
%for ee=1:(2*c_temp)
%while c_temp>=2
%if length(to_visit)>1
%visited=Tabu(i,:);
%to_visit=setdiff(1:n,visited);
%to_visit=[1,to_visit];
%c_temp=length(to_visit);
%visit_thisant=[];
% if c_temp~=1
%for b=1:c_temp
%if (load_w+t(to_visit(b)))<=W
%visit_thisant=[visit_thisant,to_visit(b)];
%end
%end
%jj=visited(visited>0);
%% 按照规则选下一个工厂或者是回到仓库
%for k=1:length(visit_thisant)
for k=1:length(to_visit)
x(k)=(Tau(visited(end),to_visit(k))^Alpha)*(Eta(visited(end),to_visit(k))^Beta)*(U(visited(end),to_visit(k))^gama);


end
ww=rand;
if ww<qq
Select=find(max(x));
%Tabu(i,length(visited(visited>0))+1)=to_visit(Select(1));
else
x=x/(sum(x));
%按概率原则选取下一个城市
xcum=cumsum(x);
Select=find(xcum>=rand);
%Tabu(i,length(visited(visited>0))+1)=to_visi(Select(1));
end
if isempty(Select)
Select=1;
load_w=load_w+t(Select);
else
load_w=load_w+t(to_visit(Select(1)));
end
if load_w>W
Select=1;
j=j-1;
load_w=0;
Tabu(i,length(visited)+1)=Select(1);
else
Tabu(i,length(visited)+1)=to_visit(Select(1));
end
%if Select(1)==1 %else
%load_w=load_w+t(Select(1));
%end
end
visited=Tabu(i,:);
visited=visited(visited>0);
to_visit=setdiff(1:n,visited);
x=[];
if visited(end)~=1
Tabu(i,1:(length(visited)+1))=[visited,1];
end
j=j+1;
end
load_w=0;
end
%% 第四步记录本代各种参数
L=zeros(m,1);
for i=1:m
MM=Tabu(i,:);
R=MM(MM>0);
for j=1:(length(R)-1)
L(i)=L(i)+D(R(j),R(j+1));
end
end G_best_length(NC)=min(L);
pos=find(L==G_best_length(NC));
G_best_route(NC,1:length(Tabu(pos(1),:)))=Tabu(pos(1),:);
%%应用2-opt方法对最优解进行更新
select=find(G_best_route(NC,:)==1);
FF=[];
LM=0;
for a=1:(length(select)-1)
y_G_best_route=G_best_route(NC,select(a):select(a+1));
al=length(y_G_best_route);
T=zeros((length(select)-1),1);
for d=1:(al-1)
T(a)=T(a)+D(y_G_best_route(d),y_G_best_route(d+1));
end
for b=2:(al-1)
for c=(b+1):(al-1)
DD=y_G_best_route;
temp1=DD(b);
temp2=DD(c);
DD(b)=temp2;
DD(c)=temp1;
TT=zeros(1);
for d=1:(al-1)
TT=TT+D(DD(d),DD(d+1));
end
if TT<T(a)
T(a)=TT;
y_G_best_route=DD;
end
end
end
if a>=2
y_G_best_route=y_G_best_route(2:al);
end
FF=[FF,y_G_best_route];
LM=LM+T(a);
end
G_best_length(NC)=LM;
G_best_route(NC,1:length(FF))=FF;
FF=[];
LM=0;
%%2-opt优化完毕
length_ave(NC)=mean(L);
NC=NC+1
%% 第五步更新信息素
Delta_Tau=zeros(n,n);
for i=1:m
MM=Tabu(i,:);
R=MM(MM>0);
for j=1:(length(R)-1)
Delta_Tau(R(j),R(j+1))=Delta_Tau(R(j),R(j+1))+Q/L(i);
end
end
Tau=(1-Rho).*Tau+Delta_Tau;
%% 第六步：禁忌表清零
Tabu=zeros(m,n);
load_w=0;
end
%%第七步：输出结果
Pos=find(G_best_length==min(G_best_length));
best_route=G_best_route(Pos(1),:);
best_length=G_best_length(Pos(1));
best_route=best_route(best_route>0);
best_route
best_length
%% 第八步：绘制散点图和巡游过程图 subplot(1,2,1)
plot([C(best_route,1)],[C(best_route,2)],'-*')
subplot(1,2,2)
plot(G_best_length)
plot(length_ave) end


代码 中有些% 的代码不知道有没有用 但是我把%都弄掉的话就出错了 不知道原因。有没有高手帮我看下 有些代码都不知道在讲什么？ 帮我注释下 QQ1066187759 还有算法是如何运用到车辆配送vrp中的 会的人跟我联系 很急！！ 必有有重谢 ！！

%的代码是注释掉的代码，既然注释掉了，应该就是不需要的。
注释的不详细的话，看明白很费时间。
我在邮箱里放了一个matlab的代码，或许对你有帮助。
email : ant_algorithm@163.com
password : ant_algorithm

我知道%代码是注释掉的代码，但是它要注释掉代码，那就没必要写下去了，感觉那是人为的故意弄的。求求大哥大姐帮我看下吧 很急啊 从第三步到第四步的代码看的不太懂 教会我，重重的酬谢

邮箱密码是antalgorithm

拿来参考了下，遇到的也是同样问题~~~~

那个带注释的程序 肯定有问题，我也在改中~

带硬时间窗的多目标VRP问题，程序中该如何判定呢？

有没有高手指点下？

这个代码 我改好了 有的删掉了~

求发我一份啊473530061@qq.com