关于蚁群算法地研究.docxVIP

关于蚁群算法的研究 蚂蚁是地球上最常见，数量最多的昆虫种类之一，这些昆虫的群体生物智能特征，引起了一些学者的注意。人们在观察蚂蚁的觅食习性时发现,蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现,蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素的挥发性化学物质来进行通信和协调的，形成正反馈,从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。这样,M.Dorigo等人于1991年首先提出了蚁群算法。即通过正反馈分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。 它充分利用了生物蚁群能通过个体间简单的信息传递,搜索从蚁巢至食物间最短路径的集体寻优特征,以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。同时,该算法适用于组合优化类问题求解的优越特征蚁群算法。之所以能引起相关领域研??者的注意,是因为这种求解模式能将问题求解的快速性与全局优化特征以及有限时间内答案的合理性结合起来。其中,寻优的快速性是通过正反馈式的信息传递和积累来保证的。而算法的早熟性收敛又可以通过其分布式计算特征加以避免,同时,具有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力,己经在最初的算法模型基础上得到了很大的改进和拓展。 蚁群算法原理 单个蚂蚁的行为极其简单,但由这样的单个简单的个体所组成的蚂蚁群体却表现出极其复杂的行为,能够完成复杂的任务,不仅如此,蚂蚁还能够适应环境的变化,如:在蚂蚁运动路线上突然出现障碍物时,蚂蚁能够很快地重新找到最优路径。在此过程中,信息素起着重要作用,蚂蚁在运动过程中能够感知这种物质的存在及其强度,并以此指导自己的运动方向,蚂蚁倾向于朝着该物质强度高的方向移动。蚂蚁个体之间就能通过这种信息的交流达到搜索食物的目的。正是利用这一基本性质,蚂蚁才能在遇到障碍物的情况下,重新找到一条新的最短路径。 图 1 蚁穴到食物源间的原有路径 如图1，假定从蚁穴到食物源之间原来有一条路径，星星代表蚂蚁。 图 2 蚂蚁遇到障碍物初始时刻的转移 当路径上出现障碍物时,那些刚好在障碍物前C点的蚂蚁不能继续沿着以前有信息素的路径前进,这样它们必须选择向左还是向右。假设这时一半的蚂蚁向左,而另一半的蚂蚁向右,则障碍物两侧的蚂蚁个数和信息素浓度都是均匀的。经过一定时间,从食物源返回的蚂蚁到达D点同样也碰到障碍物,也需要进行选择。此时A,B两侧的信息素浓度相同,它们仍然一半向左,一半向右。但是当A侧的蚂蚁已经完全绕过障碍物到达C点时,B侧的蚂蚁由于需走的路径更长,还不能到达C点。 此时对于从蚁巢出发来到C点的蚂蚁来说,由于A侧的信息素浓度高,B侧的信息素较低,就倾向于选择A侧的路径。这样的结果是A侧的蚂蚁越来越多,最终所有蚂蚁都选择这条较短的路径。 蚁群算法的特点 1)蚁群算法是一种自组织的算法。如果系统在获得空间的、时间的或者功能结构的过程中,没有外界的特定干预,我们便说系统是自组织的。在抽象意义上讲,自组织就是在没有外界作用下使得系统墒增加的过程。 2)蚁群算法是一种本质上并行的算法。每只蚂蚁搜索的过程彼此独立,仅通过信息激素进行通信。所以蚁群算法则可以看作是一个分布式的多agent系统,它在问题空间的多点同时开始进行独立的解搜索,不仅增加了算法的可靠性,也使得算法具有较强的全局搜索能力。 3)蚁群算法是一种正反馈的算法。初始时刻在环境中存在完全相同的信息激素,给予系统一个微小扰动,使得各个边上的轨迹浓度不相同,蚂蚁构造的解就存在了优劣,算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素,而更多的信息激素又吸引了更多的蚂蚁,这个正反馈使得初始的不同得到不断的扩大,又引导整个系统向最优解的方向进化。 4)蚁群算法具有较强的鲁棒性。相对于其它算法,蚁群算法对初始路线要求不高,即蚁群算法的求解结果不依赖子初始路线的选择,而且在搜索过程中不需要进行人工的调整。其次,蚁群算法的参数数目少,设置简单。 参考文献 1．孙京浩,李秋艳,杨欣斌,黄道,基于蚁群算法的故障识别[J].华东理工大学学报,2004,22(5) 2．孔令军,张兴华,陈建国.基本蚁群算法及其改进[J].北华大学学报(自然科学版).2004,26(12) 3．周勇.陈洪亮.蚁群算法的研究现状及其展望[J〕.微型电脑应用.2002.18