蚁群算法及其在组合优化中的应用.pdfVIP

维普资讯 2008年 3月 咸阳师范学院学报 Mar．2008 第 23卷 第 2期 JournalofXianyangNormalUnivemity VO1．23NO．2 计【算机科学与应用研究】 蚁群算法及其在组合优化中的应用 马 烁 ，王安平 ，赵天玉 (长江大学 信息与数学学院，湖北 荆州 434023) 摘 要：蚁群算法是近年来新出现的一种启发式仿生算法，该算法为求解复杂的组合优化问 题提供 了一种新思路，引起众多学者的研究兴趣。本文首先介绍了蚁群算法的原理和实现方法， 进而又对其在组合优化 中的实际应用做 了较详细的研究，并对其前景及发展方向进行 了展望。 关键词：蚁群算法；组合优化；TSP 中图分类号 ：TD722 文献标识码：A 文章编号 ：1672-2914(2008)02—0052—03 20世纪90年代初期，意大利学者D goM 等从 许选择的城市，0f为信息启发式因子，为期望启发 生物进化论 中受到启发 ，通过模拟 自然界中蚂蚁觅 式因子。 (为启发函数，其表达式为 ()=1 ，嘞 食时的寻优行为提出了蚁群优化 (AntColonyOpti． 表示相邻两个城市之间的距离。显然该启发函数表 mization，简称ACO)算法 ”【。它是继模拟退火算法，遗 示蚂蚁从城市 i转移到城市 的期望程度。 传算法，禁忌搜索算法，人工神经网络算法等2[-5]启发 为了避免残留信息素过多引起残留信息淹没启 式搜索算法之后一种新型的基于群体智能的启发式 发信息。在每一只蚂蚁走完一步或者完成一个循环 仿生类进化算法 。ACO算法方法已经在很多方面表 后，要对残留信息进行更新处理。这样，得到t+n时 现出相当好的性能。求解 的领域涉及经典的旅行商 一 刻在路径()上的信息素按以下规则进行调整： 问题 ，0．1背包 问题 ，二次分配问题 ，车辆调度 问题 以 及多 目标组合优化等6[-8]许多方面。 O+n)p下‘()+△ () 1基本 ACO算法模型 为更清楚的说明ACO算法的数学模型，借助于 o)≤△t 经典的旅行商问题网(TravellingSalesmanProbem，简 式中P表示信息素的残留系数，且p∈[0’1】，△ ) 称 TSP)来描述 。n个城市的TSP问题就是寻找通过 表示本次循环 中留在路径()上的信息素的数量的 n个城市各一次且最后 回到出发点的最短路径。其 增量，初始时刻 △下(0)=0，Arq(t)表示第 只蚂蚁在 中除了起点之外的每个城市都只被访 问一次，即求 一 条经过每个城市仅一次的路径：萨 (1) (2)，…， 本次循环 中留在路径()上的信息量。 n-1 根据信息素更新策略的不同，DorigoM 提出了 7r())，使得mni( dvr(i)vr(i+1)+dvr(n)7r(1)) i= 1 三种不同的ACO算法模型 ：即An t．Cycle模型 ， 设 ，… ……i -o．-点 路段上的信息素浓度 ， An t—Quantity模型和An t．Densiyt模型，其差别在于 △ 求法的不同。由于这三种模型中只有An t-Cycle 在初始时刻，各条路径上信息素浓度相 同，设 (0)=C