机器学习05__蚁群算法.pdf免费

机器学习—— —— 蚁群算法 蚁群算法 智能工程研究室 计算机科学与技术学院 蚁群优化算法概述 蚁群优化算法概述 l起源 l应用领域 l研究背景 l算法原理 l研究现状 l应用现状 2 蚁群优化算法起源 蚁群优化算法起源 l 20世纪90年代意大利学者M ．Dorigo ， V ．Maniezzo ，A ．Colorni等从生物进化的机制 中受到启发，通过模拟自然界蚂蚁搜索路径的行 为，提出来一种新型的模拟进化算法—— 蚁群算 法。 l 用该方法求解TSP 问题、分配问题、调度问 题，取得了较好的实验结果．虽然研究时间不 长，但是现在的研究显示出蚁群算法在求解复杂 优化问题（特别是离散优化问题）方面有一定的 优势，表明它是一种有发展前景的算法． 3 蚁群优化算法应用领域 蚁群优化算法应用领域 这种方法能够被用于解决大多数优化问题或 者能够转化为优化求解的问题。现在其应用领域 已扩展到多目标优化、数据分类、数据聚类、模 式识别、电信QoS管理、生物系统建模、流程规 划、信号处理、机器人控制、决策支持以及仿真 和系统辩识等方面，群智能理论和方法为解决这 类应用问题提供了新的途径。 4 蚁群优化算法研究背景 蚁群优化算法研究背景 群智能理论研究领域有两种主要的算法：蚁 群算法(Ant Colony Optimization, ACO)和粒子 群算法（Particle Swarm Optimization, PSO ）。 前者是对蚂蚁群落食物采集过程的模拟，已成 功应用于许多离散优化问题。 粒子群算法也是起源于对简单社会系统的模 拟，最初是模拟鸟群觅食的过程，但后来发现 它是一种很好的优化工具。 5 蚁群优化算法研究背景 蚁群优化算法研究背景 群智能方法易于实现，算法中仅涉及各种基本 的数学操作，其数据处理过程对CPU和内存的要 求也不高。 而且，这种方法只需目标函数的输出值，而无 需其梯度信息。 已研究表明群智能方法是一种能够有效解决大 多数全局优化问题的新方法。更为重要是，群智 能潜在的并行性和分布式特点为处理大量的以数 据库形式存在的数据提供了技术保证。 无论是从理论研究还是应用研究的角度分析， 群智能理论及其应用研究都是具有重要学术意义 和现实价值。 6 蚁群优化算法概念 蚁群优化算法概念 蚁群算法原理 简化的蚂蚁寻食过程 自然蚁群与人工蚁群算法 蚁群算法与TSP 问题 7 7 蚁群算法的仿生原理 蚁群算法的仿生原理 l 蚂蚁搜寻食物的具体过程 – 在蚁群寻找食物时，它们总能找到一条从食物到巢穴之间的 最优路径。这是因为蚂蚁在走过的路径上释放出一种特殊的 物质称为信息素。 –