特征选择法与蚁群算法简介研究报告.pptxVIP

特征选择法与蚁群算法简介;简介;简介;简介;特征选择分类;特征选择分类;常见的特征选择算法;遗传算法;遗传算法;粒子群算法;粒子群算法;蚁群算法--蚁群算法起源;蚁群算法起源;蚁群算法起源;蚁群算法起源;蚁群算法--双桥实验;简化的蚂蚁寻食过程;简化的蚂蚁寻食过程;假设蚂蚁每经过一处所留下的信息素为一个单位，则经过36个时间单位后，所有开始一起出发的蚂蚁都经过不同路径从D点取得了食物，此时ABD的路线往返了2趟，每一处的信息素为4个单位，而ACD的路线往返了一趟，每一处的信息素为2个单位，其比值为2：1。 寻找食物的过程继续进行，则按信息素的指导，蚁群在ABD路线上增派一只蚂蚁（共2只），而ACD路线上仍然为一只蚂蚁。再经过36个时间单位后，两条线路上的信息素单位积累为12（4+4*2）和4（2*2），比值为3：1。 若按以上规则继续，蚁群在ABD路线上再增派一只蚂蚁（共3只）， 而ACD路线上仍然为一只蚂蚁。再经过36个时间单位后，两条线路上的信息素单位积累为24（4+4*2+4*3）和6（2*3），比值为4：1。 若继续进行，则按信息素的指导，最终所有的蚂蚁会放弃ACD路线而选择ABD路线。;简化的蚂蚁寻食过程; 基于以上蚁群寻找食物时的最优路径选择问题，可以构造人工蚁群，来解决最优化问题，如TSP问题。 人工蚁群中把具有简单功能的工作单元看作蚂蚁。二者的相似之处在于都是优先选择信息素浓度大的路径。较短路径的信息素浓度高，所以能够最终被所有蚂蚁选择，也就是最终的优化结果。 人工蚁群和自然蚁群的区别：人工蚁群有一定的记忆能力，能够记忆已经访问过的节点； 人工蚁群选择下一条路径的时候是按一定算法规律有意识地寻找最短路径，而不是盲目的。例如在TSP问题中，可以预先知道当前城市到下一个目的地的距离。 ;自然界蚂蚁觅食行为;蚁群优化算法基本流程;蚁群优化算法基本流程;蚁群优化算法基本流程;为了模拟蚂蚁在较短路径上留下更多的信息素，当所有蚂蚁到达终点时，必须把各路径的信息素浓度重新更新一次，信息素的更新也分为两个步骤： (1)每一轮过后，问题空间中的所有路径上的信息素都会发生蒸发 (2)???有的蚂蚁根据自己构建的路径长度在它们本轮经过的边上释放信息素;信息素更新的作用;TSP问题的蚁群优化算法伪代码;TSP举例;步骤2 .1 为每个蚂蚁随机选择出发城市，假设蚂蚁1选择城市A，蚂蚁2选择城市B，蚂蚁3选择城市D。为每个蚂蚁选择下一访问城市，仅以蚂蚁1为例，当前城市i=A，可访问城市集合j1 (i)={B,C,D}，计算蚂蚁1访问各个城市的概率。;?;步骤2.4此时，所有蚂蚁的路径都已经构造完毕蚂蚁1：A→B →D →C →A蚂蚁2：B→D →C →A →B蚂蚁3：D→A →C →B →D;步骤3 信息素更新计算每只蚂蚁构建的路径长度：C1=3+4+2+1=10； C2=4+2+1+3=10；C3=2+1+5+4=12。更新每条边上的信息素 步骤4如果满足结束条件，则输出全局最优结果并结束程序，否则，则转向步骤2继续执行。;Thank You