蚁群优化算法摘要.ppt

copyright:hhq copyright:hhq 蚁群优化算法概述 内容 基本概念 蚁群优化算法（Ant Colony Optimization,ACO） 是一种针对难解的离散优化问题的元启发式算法，利用一群人工蚂蚁的协作来寻找好的解。 既适用于静态组合优化问题，又适用于动态组合优化问题。前者如旅行商问题（TSP），后者如通讯领域的路由问题等。 启发式算法（Heuristic Algorithm） 在可接受的花费（指时间和空间）下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度不一定能事先预计，也不能保证每次能用相同的时间求出结果。 有趣的问题 1.为何大多数蚂蚁在觅食时，会选择相同的路径，而且这条路径往往是一条食物和巢穴之间的最短路径，它们是如何做到的？ 2.当原来最优路径上出现了障碍物或者食物位置改变了；蚁群仍能够重新探索出新的一条最优路径？ 蚁群行为描述 仿生学家经过长期研究发现：蚂蚁虽然没有视觉，但是存在一种化学物质—信息素（pheromone）用于蚂蚁之间以及蚂蚁与环境的交互。 在没有信息素的情况下，蚂蚁是随机挑选路径的，同时释放出与路径有关的信息素。路径越长，信息素量越小。如果当前路径上存在信息素，蚂蚁倾向于信息素浓度高的路径。由于较短路径上，蚂蚁往返的时间短，单位时间内经过的蚂蚁数多，信息素累计的也多，因此会吸引更多的蚂蚁