蚁群算法基于网格化分策略的连续域改进分析.pdfVIP

科技创新与应用 I2015年第8期 科 技 创 新 蚁群算法基于网格化分策略的连续域改进分析 刘 波 (湖南人文科技学院，湖南 娄底 417100) 摘 要：空间函数优化是蚁群算法中常遇到的问题，针对这一问题基于网格划分策略提出了一种改进方式。该算法通过利用特殊 的信息更新策略，使得信息素在更新时无需使用具体的 目标函数值 ，在这种状态下目标函数差异化就不会令结果出现问题 ，既不 会带来不利影响。并且在计算中网格点可以直接将信息素作为转移概率使用。 关键词：蚁群算法；网格法；信息素 引言 新 以后每一个网格中的信息素之和最终为 1，那么式中的 ∞取值为 近年来，面向连续空间优化问题求解的蚁群优化 (ACO)算法吸 1。 引了广大研究者的研究兴趣 ，在算法模型及应用方面 ，有了长远的 若算法循环一个周期后，找出每一列矩阵中信息量最大的一 进展。连续蚁群算法模型最早由Bilchev等人提出，它先使用GA对 点，并截取其对应的行数，将变量取值范围缩小，对解的第 i个分量 参数空间进行全局搜索以得到一个较好解，然后利用蚁群算法对该 取值范围进行有效更新。 解进行局部优化。然而，在 目前连续域蚁群算法模型中，大多要根据 待变量取值范围更新后，将信息素进行重新初始化后依照缩小 被优化系统的目标函数来进行信息素的更新和转移概率的计算。当 后的区域再次进行搜索，若同条件不满足停止条件，则继续循环计 解对应的目标函数值之间数量相差大时，显然会使某些局优路径上 算更新，直到满足条件为止。 的信息素累积过快；而当局部最优解与全局最优解的目标函数值相 1．2IACA信息素特征 差不大时，又会造成对应路径上的信息素难以区分，从而使算法陷 通过上述信息素更新规则可以看出，通过 IACA能够将所有路 入局部最优的可能性极大增加。本文借鉴Kong模型的信息素更新 径中的信息素作为选择概率。 方法，并使用网格划分策略，提出一种面向连续域优化 问题求解的 1．3IACA算法步骤 连续域改进蚁群算法 (IACA)。 该计算系统的算法步骤如下： 1设计分析 (1)对算法参数进行设定，其中需要划分参数空间，将初始信息 1．1IACA模型 素均匀放置，进行循环计算。 依照算法模型的改进可以将连续域改进法进行以下描述 ：首先 (2)对每条路径中的信息素水平进行评估，并依照实际状态，蚂 将连续优化问题解 x的分量取值范围予以确定，即Xit≤x≤x(i_l，2， 蚁依照图1所示构建解，并且会构建出rf1个无重复的解，同时将 目 … … ，n )。并将变量平均分为N分。那么在 n维空间中变回形成构成 标函数值计算出来，确定当代历史最优解。继而从第二代开始，将最 网格的(N+1)n个点，从而对参数空间完成具体的划分，具体如图1 优解同全局最优解进行比较，取最优值。 所示 (3)如果计算满足终止条件则将最优解输出，计算接触，若不满 足终止条件则跳入下一步。 o @ @ …@ (4)依照上述公式，对信息素进行重复更新。Nc=N+1。 (5)如果N 同其最大值相比较小，那么则跳回(2)步骤重新计 ： ： ： ： 算，反之则找出信息量最大的点所 的行，对其分量取值范围进行缩