蚁群优化算法研究综述.pdfVIP

II RI I HII_ IIIII II 蚁群优化算法研究综述 Research ofAnt ProgressColonyOptimizationAlgorithm 梅红李俊卿 (山东理工大学农业工程与食品科学学院，山东淄博255049) 摘要：介绍了蚁群优化算法的基本原理、流程和研究现状，重点评述了近年来蚁群优化算法在组合优化和 连续优化两个领域的研究现状，并展望了这一领域的研究方向。 关键词：蚁群优化算法组合优化连续优化 introducesthebasic andcurrent ofant Abstract：This situation paper principle，procedure colony onthecurrentsituationofant inthefieldsofcombinatorial algorithm，emphasizes colonyoptimizationalgorithm and continuouse tendenciesinthisfieldarediscussed． more，research optimization．Further words：ant combinatorial continuouse Key colonyoptimizationalgorithm optimization optimization 0引 言 尤其是蚂蚁的觅食行为，蚂蚁能够在较短的时间内寻 群智能足处理问题的一种新的方法，它源自于对 找从蚁巢到食物源的最短路径。人们研究发现，蚂蚁 昆虫及其他动物行为的模拟。其中研究最多，应用最 在寻找食物的过程中，会随机搜索邻近的区域，一旦发 成功的就是蚁群优化算法(ant colonyoptimalalgorithm，现了食物源，蚂蚁将一部分食物带回蚁巢，同时，蚂蚁 ACOA)。蚁群算法是一种随机搜索算法，同时，也是一会在走过的路径上散发信息素。路径越短，散发的信 。种新型的模拟进化算法，具有鲁棒性强、分布计算、 息素越多，后来者选择该路径的概率就越大。于是，在 并行性、信息正反馈、启发式智能搜索，以及易于与 信启、素的帮助下，蚂蚁问形成了一种间接的信息交流， 其他方法结合的特征，具有很强的发现较好解的能力。 很快就会搜寻到最短的路径上来。蚂蚁个体之间就是 在求解节点树为5—100的组合优化问题上，选用合适通过这种信息的交流来寻找从蚁巢到食物源的最短路 的参数，其优化结果普遍好于遗传算法、进化算法和 径。蚁群算法本质上是进化算法中的一种新型随机性 模拟退火算法…。 优化算法。该算法通过构造人工蚂蚁来模拟真实蚂蚁 1蚁群优化算法 的行为，进行优化运算。但是，人工蚂蚁与真实蚂蚁也 1．1蚁群优化算法的基本原理 存在着以下不同之处：(1)人工蚂蚁有视觉；(2)人工 蚁群算法是由意大利学者M．Dorigo于20世纪90蚂蚁有记忆能力；(3)人工蚂蚁生活在时间离散的环 年代首次提出的，它是对真实蚂蚁群体觅食行为的模 境中。相同之处在于蚂蚁都是通过协作搜寻最短路径 拟。蚂蚁是一类个体行为极其简单的昆虫，单个蚂蚁 以及都具有正反馈的特点。 的行为带有随机性，但是由这些简单的个体所组成的 1．2蚁群优化算法的两个主要部分 蚁群却体现出极大的智能，能够完成相当复杂的任务。 (1)信息素的更新信息素在算法中起着非常重 梅红1974年生．女