算法基础报告.docVIP

中 国 地 质 大 学 课程名称： 算法基础 教师姓名： 彭雷 小组成员：刘伟庆，谭伯，王海龙，汤文瑞，李云飞 小组班级：191083 所在专业：计算机科学与技术 日 期: 2011年 04 月 15 日 小组分工： 查阅资料：刘伟庆，谭伯，王海龙，汤文瑞，李云飞 编写代码：刘伟庆，谭伯 演 讲：谭伯 编写报告：刘伟庆，谭伯，王海龙，汤文瑞，李云飞 引言 蚁群算法是意大利学者M.Dorigo受到自然界中真实蚁群集体行为的启发，于1991年在他的博士论文中首次系统地提出的一种基于蚂蚁种群的新型优化算法。 在生物界，蚂蚁是一种头脑简单、视力也很不好的小东西，然而蚂蚁群体通过相互协调、分工、合作来完成筑巢、觅食、迁徙、清扫蚁穴等复杂行为，它们都属于复杂系统研究的范围，即相对简单的个体在没有一个集中控制的情况下，通过相互作用产生复杂的群体行为。那么数以百万计的蚂蚁如何组成一个群落?它们是如何相互协调分工、合作来完成这些任务呢?像蚁巢这样复杂结构的信息又是如何存储在这群蚂蚁当中呢？各个领域的专家已经对这些问题有了长期、深入的研究，提出了一些解释并建立了一些算法模型，这些算法就是蚁群算法的雏形。 蚁群算法不仅能够智能搜索、全局优化，而且具有鲁棒性、正反馈、分布式计算、易与其它算法结合等特点。利用正反馈原理，可以加快进化过程；分布式计算使该法易于并行实现，个体之间不断进行信息交流与传递，有利于发现较好解，不容易陷入局部最优；该方法易与多种启发式算法结合，可改善算法的性能；由于鲁棒性强，故在基本蚁群算法模型的基础上进行修改，便可用于其它问题。因此，蚁群算法已经成为组合优化领域最具潜力的算法之一，也成为了众多学者的研究焦点。 蚁群算法基本原理 蚁群优化算法是模拟蚂蚁觅食的原理，设计出的一种群集智能算法。蚂蚁在觅食过程中能够在其经过的路径上留下一种称之为信息素的物质，并在觅食过程中能够感知这种物质的强度，并指导自己行动方向，它们总是朝着该物质强度高的方向移动，因此大量蚂蚁组成的集体觅食就表现为一种对信息素的正反馈现象。某一条路径越短，路径上经过的蚂蚁越多，其信息素遗留的也就越多，信息素的浓度也就越高，蚂蚁选择这条路径的几率也就越高，由此构成的正反馈过程，从而逐渐的逼近最优路径，找到最优路径。 蚂蚁在觅食过程时，是以信息素作为媒介而间接进行信息交流，当蚂蚁从食物源走到蚁穴，或者从蚁穴走到食物源时，都会在经过的路径上释放信息素，从而形成了一条含有信息素的路径，蚂蚁可以感觉出路径上信息素浓度的大小，并且以较高的概率选择信息素浓度较高的路径。 人工蚂蚁的搜索主要包括三种智能行为： （1）蚂蚁的记忆行为。一只蚂蚁搜索过的路径在下次搜索时就不再被该蚂蚁选择，因此在蚁群算法中建立禁忌表进行模拟。 （2）蚂蚁利用信息素进行相互通信。蚂蚁在所选择的路径上会释放一种信息素的物质，当其他蚂蚁进行路径选择时，会根据路径上的信息素浓度进行选择，这样信息素就成为蚂蚁之间进行通信的媒介。 （3）蚂蚁的集群活动。通过一只蚂蚁的运动很难达到事物源，但整个蚁群进行搜索就完全不同。当某些路径上通过的蚂蚁越来越多时，路径上留下的信息素数量也就越多，导致信息素强度增大，蚂蚁选择该路径的概率随之增加，从而进一步增加该路径的信息素强度，而通过的蚂蚁比较少的路径上的信息素会随着时间的推移而挥发，从而变得越来越少。 蚂蚁系统 蚂蚁系统是最早的蚁群算法。其搜索过程大致如下： 在初始时刻，只蚂蚁随机放置于城市中，各条路径上的信息素初始值相等，设为：为信息素初始值，可设，是由最近邻启发式方法构造的路径长度。其次，蚂蚁，按照随机比例规则选择下一步要转移的城市，其选择概率为： 其中，为边上的信息素，为从城市转移到城市的启发式因子，为蚂蚁下一步被允许访问的城市集合。 为了不让蚂蚁选择已经访问过的城市，采用禁忌表来记录蚂蚁当前所走过的城市。经过时刻，所有蚂蚁都完成一次周游，计算每只蚂蚁所走过的路径长度，并保存最短的路径长度，同时，更新各边上的信息素。首先是信息素挥发，其次是蚂蚁在它们所经过的边上释放信息素，其公式如下： ，其中为信息素挥发系数，且。 ，其中是第只蚂蚁向它经过的边释放的信息素，定义为： （1） 根据（1）可知，蚂蚁构建的路径长度越小，则路径上各条边就会获得更多的信息素，则在以后的迭代中就更有可能被其他的蚂蚁选择。 蚂蚁完成一次循环后，清空禁忌表，重新回到初始城市，准备下一次周游。 大量的仿真实验发现，蚂蚁系统在解决小规模TSP问题时性能尚可，能较快的发现最优解，但随着测试问题规模的扩大，AS算法的性能下降的比较严重，容易出现停滞现象。因此，出现了大量的针对其缺点的