蚁群优化算法的研究现状及的研究展望.pdfVIP

维普资讯 第33卷第3期 信息与控 制 Vol_33．No．3 2004年6月 InformationandControl June，2004 文章编号：1002-0411(2004)03-0318-07 蚁群优化算法的研究现状及研究展望 张 航 ，罗 熊 (中南大学信息科学与工程学院，湖南 长沙 410075) 摘 要：本文首先简要地介绍蚁群优化算法的来源、对应的生物原理和算法实现的框架．然后详细地讨论 了算法的研究现状 以及在各种优化问题中的应用情况，同时也指出了蚁群优化算法在当前应用中的一些不 足．针对这些不足提出了解决方法，描述了几种蚁群优化算法的修正策略．最后对蚁群优化算法下一步的研究 方向进行了展望． 关键词：蚁群优化算法；信息素；蚂蚁；蚁群系统 中图分类号 ：TP391．9 文献标识码 ：A StatusandProspectofAntColonyOptimizationAlgorithm ZHANG Hang，LUOXiong (CollegeofInformationSconceandEngineenng，CentralSouthUniversity，Changsha 410075，China) Abstract：Inthispaper-ACO algorithm isreviewedbyandlarge．Firstly，thecorrespondingprincipleofbiont andtheimplementingframeworkforACO algorithm areintroducedsimply．Then，theactualresearchstatusofACO algorithm isdiscussedindetail．TheapplicationsofACOalgorithm inallkindsofoptimizationproblemsareanalyzed thoroughly．SomedeficienciesofACO algorithm in practical applicationsrae also presented．Combining solution methodsofrthosedeficiencies，severalcorrectionalstrategiesofrACOalgorithm raedescribed．Finally，reserachdi— rectionsofACOalgorithm inthefutureareproposed． Keywords：antcolonyoptimization(ACO)algorithm；pheromone；nat；natcolonysystem (ACS) 1 引言 (Introduction) 蚁的这种协作搜索行为为一些实际优化问题提供了 一 种新的计算方法，特别适用于求解那些规模巨大 自从 Colorni和 Dorigo等 意大利学者在 20 的或问题状态随时间变化的组合优化问题，如著名 世纪90年代初提出蚁群优化(AntColonyOptimiza— 的旅行商问题、二次分配问题、作业安排调度 问题 fion，ACO)算法以来 ，这种新型的分布式智能模拟算 等 】．但是，ACO算法并不适用于那些能使用经典 法 已逐渐引起人们 的注意并得到 了广泛的应用．这