一种基于改进蚁群算法的网络路由优化方法.pdfVIP

… … … … 一 |UJ一IA 予璺………一…一…… ant-quantity模型： 叼。表示由点i转移到点 的期望程度，一般采用} ， r()表示 t时刻在 ij连线上残留的信息素含量，在初 喇 ： 瓤 只蚂蚁在肌 “之间经过 (5) 始时刻，设下r ()=C(C为常数，代表未开发路径 (不 ． 否则 J 含信息素的路径分支)对蚂蚁的吸引度，C越大，则需 ant—density模型： 要越高的信息素浓度来影响蚂蚁的下一步选择 。 f()-二职蚂蚁釉¨之间经过“√’}6() 实验表明，当Ot2，C 2时，该概率模型与实际 相符，在各条路径上信息量相等。蚂蚁k在运动过程 为第k只蚂蚁在本次路径搜索中所途经路径的 中，根据各条路径上的信息量决定转移方向。 总长度。Q是指蚂蚁在搜索时在所经过的路径上释放 P (f)表示在 、时刻蚂蚁k由节点i转移到节点 i 的信息素总量。 的概率，由式子看出df越小，则 f越大 。P f(f)也就越 信息素总量 Q较大时，正反馈性能得到加强，己 大。在t时刻蚂蚁 由位置 i转移到位置 i的概率为： 经遍历过的路径上信息素的累积速度将加快，算法的 收敛速度也会加快。 … — 正 6 P(t)I~tabU 试验证 明求解 TSP问题时，后两者模型中，蚂蚁 ∑k f()f() ～}}l22() 0…— ∈6^ J 每次从前面的一个节点移动到下一个节点后，就马上 对刚才所经过路径进行信息素更新，这种在搜索过程 禁忌表 tabUk(Ji}∈1，2，…，m)来记录蚂蚁k目前 中单体进行的更新属于局部更新。 已经走过的点 【。 由于 ant—cyde算法采用信息素全局更新的策略， 其中， 是一个正的常量，表示蚂蚁选择路径的 较其他算法能较好的克服蚁群算法的缺陷，而且性能 过程中受信息素的影响程度。 优于另外两种算法，因此它就取代另外两种蚁群算法 信息启发式因子 仅是一个正的常量，表示蚂蚁选 被称枷 system了1。算法的具体步骤如下： 择路径的过程中受信息素的影响程度。太大的仅会过 (1)初始化。设置初始时间t=O、最大迭代次数 度增大信息素的影响，尤其是初期随机的信息素浓 ⅣC =200，△t (O)=0，△ (O)=c，将 m只蚂蚁随机放 度，从而会导致算法快速收敛到次优路径。与真实蚂 入 n个点当中；(2)设置循环 ；(3)蚂蚁 以概率P () 蚁蚁群不 同，人工蚁群具有一定的记忆功能，用其 中P 选择点，下一个点 i；(4)移动蚂蚁到下个点 i，并保存 表示信息素的保留率，随着时间的推移，以前留下的 点j，更新 tabu；(5)若遍历完m只蚂蚁，则转到第6 信息逐渐消逝，用参数(1一p)表示信息消逝的程度，