一类改进的蚁群算法及其收敛性分析.pdf

　　文章编号: 167325196 (2006) 0220082204 一类改进的蚁群算法及其收敛性分析朱　勇, 周国标(上海交通大学理学院, 上海　200240) 摘要: 在基本蚁群算法的基础上,提出了一类改进的蚂蚁算法,并证明了当算法迭代次数n充分大时,对于任意小ε 0 ,算法至少一次找到最优解的概率P3 ( n) ≥1 -ε,当n→∞时, P3 ( n) →1.数值实验表明,改进的算法在取得满意搜索结果的同时,能减少算法的计算量. 关键词: 蚁群算法; 信息素; 旅行商问题; 背包问题中图分类号: TP18 　　文献标识码: A An improved ant colony algorithm and its convergence analysis ZHU Yong , ZHOU Guo2biao (Dept . of Mat hematics , Shanghai Jiaotong University , Shanghai 　200240 , China) Abstract : Based on ant colony algorit hm , an improved ant colony algorit hm was presented ,and it was proved that for a sufficiently large number of iterations n and arbit rarily infinitesimal constantε 0 , t he probability of finding an optimal solution for at least once is P3 ( n) ≥1 -εand that t his p robability tends to 1 for n→∞. The experimental result s showed that t he improved ACS can reduce comp utation labor and is effective. Key words : ant colony algorithm ; p heromone ; t raveling salesman p roblem ; knap sack problem 　　蚁群算法是近年发展起来的一种随机算法,已经有效地解决了许多组合优化问题,如旅行商问题、背包问题、图着色问题和调度问题等.蚁群算法主要有Dorigo[1 ,2 ] 提出的蚁群算法和St¨ vtzle 与Hoos [ 3 ] 提出的Max2Min 蚁群算法.数值实验表明,在当前的计算条件下,蚁群算法能找到很多复杂问题(如NP问题)的近似最优解或满意解. 目前,许多随机算法(如模拟退火算法和遗传算法)已经有了比较完整的收敛性结论,而蚁群算法的收敛性证明还处于较初步的阶段. 现有的蚁群算法收敛性结论有: Gutjahr 证明了基于图的蚁群算法( Grap h2based ant system)的收敛性[ 4 ,5 ] ;Dorigo 和St¨ vtzle 证明了一类Max2Min蚁群算法的收敛性[ 6 ] . 本文基于Dorigo 的蚁群算法,提出了一类改进的蚁群算法,并证明了改进的蚁群算法的收敛性. 1 　蚁群算法　　蚁群算法是近年来新出现的一类模仿蚂蚁觅食　　收稿日期: 2005205218 　　作者简介: 朱　勇(19772) ,男,浙江台州人,硕士. 过程的智能算法.蚁群算法的核心思想是,蚂蚁能在较短时间内找到从其窝巢至食物之间的较短路径, 甚至最短路径.蚂蚁群体在觅食过程中,每个蚂蚁都会在其走过的路上释放一种被称作“信息素”的化学物质,用来标识它们移动的路径.在一定范围内的其他蚂蚁能够察觉到各条路径上“信息素”的多少,并