基于蚁群算法的旅行商问题的研究.pdfVIP

· 实验研究 基于蚁群算法的旅行商问题的研究 朱喜基 (湖南科技学院信息技术与教育系，湖南 永州 425100) 摘 要：群居性昆虫行为的研究为计算机科学家提供了设计分布式控制和优化算法的有力方法。对以蚁群算法为代表的群集智能的研究已 经逐渐成为一个研究热点。蚁群算法在实际的生活中有很大的用处，比如求解旅行商问题，本文介绍了一种求解复杂TSP的蚁群算法，阐述了 该算法的基本原理及实现过程，并且在本文中尝试用编码的形式将基本蚁群算法应用到求解旅行商问题中去。 关键词：基本蚁群算法；信息素；旅行商问题 1意义和目标 Abbattista等人受遗传算法的启发，提出蚁群算法和遗传算法 近年来，蚂蚁、蜜蜂等群居昆虫的集体行为引起了人们的广 相结合的混合优化算法。近年来，蚂蚁算法逐渐被国内学者了 泛关注。蚁群优化 (ACO)是由AS算法演变而成的一种求解难解问 解，出现了一些介绍性文献。其后国内学者在蚂蚁算法的应用 题的通用启发式解法．现已广泛用于求解包括TSP在内的各种组 研究方面(如优化，路由调度等)开展了一些工作，提出了一些改 合优化问题。蚁群算法是一种新颖的仿生进化算法，从提出到 进算法，其中有代表性的主要有：吴庆洪等人提出的具有变异特 如今不过短短的十年时间，其理论尚未形成完整的体系，其应 征的蚁群算法MAS(MutationAntsystem)：陈烨提出的带杂交算 用的领域也是十分的有限。因而对蚁群算法的研究有一定的理 子的蚁群算法CaCs(crossedAntco1onysystem)郝晋等人提出 论和使用价值。 的具有扰动特性的蚁群算法sDAs(stochasticDisturbanceant 所谓的旅行商问题，可以这样定义：设有n个城市，并且它 system)：王颖等人提出的白适应蚁群算法AAs(adpativeAntsys 们的距离矩阵为D=fd ，其中d为城市i到城市j的距离 (或开 tem)。蚁群算法是一种源于大 自然中生物世界的新的仿生进化 销)，求一个旅行商遍访每个城市I合『好一次的一条回路，使其路 算法，具有很强的通用性和鲁棒性，从提出到现在只有短短的 径长度之和最短 (或者旅行的费用耗费最低)。旅行商问题是 十几年时间，但其在离散型组合优化问题中，表现的很突出，引 研究最为』泛的组合优化问题，它是最早被证明的NP完全问题 起了广大学者的关注。自从蚁群算法在著名的旅行商(TSP) 问 之一。蚁群优化算法作为一种启发式的算法，为更好的解决类似 题和工件排序问题上取得成效以来，已陆续渗透到其它问题领 于旅行商问题等的NP完全问题提供了很好的解决方法。本文尝 域中。 试用基本蚁群算法解决TSP问题。 3算法的技术路线 2 国内外研究现状 蚁群算法来源于模拟蚂蚁的觅食行为，经观察发现，蚂蚁 蚁群算法是受到自然界中的蚁群行为的启发而提出的，是 寻找从蚁穴到食物源的最短路径是一种群体协作行为，这种协 一 种用于求解组合优化问题的新型仿生进化算法。最初蚁群算 作是通过一种称为信息激素的化学物质来进行。初始阶段，环 法的思想来自蚂蚁寻找食物的行为，最先提出的蚂蚁算法被称 境中没有信息激素存在，蚂蚁从巢穴出发寻找食物，是完全随 为蚂蚁系统(Antsystem，As)，它是Dorigo、Cootmi、Mnaeizzo 机的选择路径，蚂蚁在走过的路径上会留下信息激素，而后来 在意大利的米兰理工学院合作研究组合优化问题计算机智能解 的蚂蚁出发时会根据环境中存在的信息激素来决定行走的方 决方法时的研究成果。在随后几年的时间里，Dorigo等人从两 向，信息激素浓度高的路径上会吸引更多的蚂蚁。 方面对As进行了发展，一方面将As不断应用到各种具体问题之 在蚁群算法中，信息素多的短路径将吸收更多的蚂蚁，反 中：另一方面又针对As中存在的问题进行了改进，提出新的算法 过来，更多的蚂蚁在短路径上会留下更多的信息素，加上信息 模型。19％年，cmabardena和Dorigo在这些研究的基础上，进 素挥发效应，最后，蚁群都选择了最短路径。蚂蚁根据信息素和 一 步总结给出了求解组合优化问题的蚂蚁算法模型一蚂蚁群体 启发式信息，以一定的概率选择下一个可行步骤，加入到当前还 优化(antcolo