基于蚁群算法的路径最优毕业答辩试题.ppt

基于蚁群算法的路径最优问题研究 导 师: 王康平 答辩人: 刘媛媛 专 业: 计算机科学与技术 3.1.1蚁群算法的基本思想 在自然界中，蚂蚁的食物源往往随机散布于蚁巢周围，通过观察可以发现，经过一段时间后，蚂蚁总能找到一条从蚁巢到食物源的最短路径。自然界中的蚂蚁虽然视觉能力十分有限，但它们在觅食过程中，却能够通过播撒、感知信息素与其它同伴建立起通讯关系，并以此相互协调、分工、合作来找到食物源和巢穴之间的最短路径。并且在相同的时间内，路径越短则遗留的信息素浓度就越大，而蚂蚁在选择路径时，倾向于那些信息素浓度较高的路径，这样选择较短路径的蚂蚁也随之增多。因此，由大量蚂蚁组成的蚁群集体觅食行为表现出了一种正反馈现象：一条路径上走过的蚂蚁越多，则后来者选择这条路径的概率就越高。蚂蚁个体之间就是通过这种信息素的交流机制，来搜索食物，并最终找到最短路径。 蚂蚁觅食原理 这是因为在蚂蚁个体之间是通过一种称为信息素的物质进行信息传递的。蚂蚁在运动过程中，不但能够在它所经过的路径上留下该物质，而且能够感知这种物质的存在及其强度，并朝着该物质强度高的方向移动，为此指导自己的运动方向。因此，由大量蚂蚁组成的蚁群集体行为表现出一种信息正反馈现象。在一定时间内较短路径通过的蚂蚁要多于较长路径，而某一路径上走过的蚂蚁越多，则后来的蚂蚁选择该路径的概率就越大。 蚁群算法的基本原理简单来说就是： 1、蚂蚁在路径上释放信息素。 2、碰到还没走过的路口，就随机挑选一条路走。同时，释放与路径长度有关的信息素。 3、信息素浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时，就选择信息素浓度较高路径。 4、最优路径上的信息素浓度越来越大． 5、最终蚁群找到最优寻食路径。 3.2 自然蚁群与人工蚁群 3.3.1 基本蚁群算法 四 预期结果 对于信息素挥发因子ρ、启发式因子α、自启发因子β、蚂蚁的数目m对于蚁群算法性能的影响进行了实验研究，发现蚁群算法中各个参数的取值对最后的求解性能有很大的影响，目前还是靠经验对各个参数取值。在分析各个参数的作用及对算法性能的影响的基础上，并通过大量实验验证，给出了蚁群算法中各参数的一个较理想取值范围。 五 研究中可能遇到的问题 问题一 蚁群算法参数选择很重要，选择不当的话会出现搜索的过早停滞现象或陷入局部最优问题。 问题二 蚁群算法对非线性系统辨识中对 输入信号的选择是一个难点。 由于作者的知识水平的限制，本文的工作还存在着较多的不足之处。比如用改进的蚁群算法求解大型的TSP问题结果就差一些，并且运行时间很长，效果不是很理想。本文所提出的改进的算法还只是应用于旅行商问题，对于一定的旅行商问题的求解有了提高，但对其他的算法是否适用还有待探讨。 Page ? * 论文的结构和主要内容 第一部分 选题的背景与意义 第二部分 国内外研究现状 第三部分 研究内容与方法 第四部分 研究中可能存在的问题 第五部分 预期结果 一 选题背景与意义 2001年至今 1996年-2001年 意大利学者 Dorigo1991年 启发 各种改进算法的提出，应用领域更广 引起学者关注，在应用领域得到拓宽 ACO首次被系统的提出 自然界中真实蚁群集体行为 一 选题背景与意义 蚁群算法的由来：蚂蚁是地球上最常见、数量最多的昆虫种类之一，常常成群结队地出现在人类的日常生活环境中。这些昆虫的群体生物智能特征，引起了一些学者的注意。意大利学者M.Dorigo，V.Maniezzo等人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(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究，他们发现，整个蚁群就是通过这种信息素进行相互协作，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。 二 国内外研究现状 目前，蚁群算法己经成为一个备受关注的研究热点和前沿性课题。人们对蚁群算法的研究已经由当初的TSP领域渗透到多个应用领域，由解决一维静态优化问题发展到解决多维动态组合优化问题，由离散域范围内研究逐渐拓展到了连续域范围内研究。同时在蚁群算法的模型改进以及其他仿生优化算法的融合方面也取得了相当丰富的研究成果，从而使这种新兴的仿生优化算法展现出前所未有的生机。 三 研究内容与方法 1.基本蚁群算法及其改进算法 （1）基本蚁群算法 （2）蚁群系统 （3）最大-最小蚂蚁系统 2.蚁群算法与TSP应用 （1）蚁群算法的思想、原理 （2）蚁群算法的实现方式 （3）TSP应用举例 3.1.