蚁群算法解析研讨.ppt

蚁群算法的基本原理及其改进算法 专 业：控制工程 年 级：2009级 姓 名：胡训智 学 号指导老师：周润景 教授 算法的提出 算法的基本原理 模型建立 算法的实现 算法改进 结论 参考文献 蚁群算法的提出 基本原理 模型建立 基于蚂蚁构造墓地和分类幼体的聚类分析模型 基于蚂蚁觅食行为和信息素的聚类分析模型 基于蚂蚁构造墓地和分类幼体的聚类分析模型 蚁群构造墓地行为和分类幼体行为统称之为蚁群聚类行为。 生物学家经过长期的观察发现，在蚂蚁群体中存在一种本能的聚集行为。蚂蚁往往能在没有关于蚂蚁整体的任何指导性信息情况下，将其死去的同伴的尸体安放在一个固定的场所。 真实蚁群的聚类行为 基于蚂蚁构造墓地和分类幼体的聚类分析模型 基本模型经过利用个体与个体和个体与环境之间的交互作用，实现了自组织聚类，并成功的应用于机器人的控制中(一群类似于蚂蚁的机器人在二维网格中随意移动并可以搬运基本物体，最终把它们聚集在一起)。该模型成功的应用引起了各国学者的广泛关注和研究的热潮。 LumerE和FaietaB通过在Denurbourg的基本分类模型中引入数据对象之间相似度的概念，提出了LF聚类分析算法，并成功的将其应用到数据分析中。 基于蚂蚁觅食行为和信息素的聚类分析模型 蚂蚁在觅食的过程中，能够分为搜索食物和搬运食物两个环节。每个蚂蚁在运动过