蚁群算法.pptx [修复的].pptxVIP

蚁群算法蚁群算法的起源蚁群算法的原理自然蚁群与人工蚁群蚁群算法在TSP问题中的应用三种模型蚁群的规模及停止规则蚁群算法的特点蚁群算法的研究现状蚁群算法的其他应用参考书推荐总结蚁群算法的起源 研究群居性昆虫行为的科学家发现，昆虫在群落一级上的合作基本上是自组织的，在许多场合中尽管这些合作可能很简单，但它们却可以解决许多复杂的问题。 蚁群算法就是利用群集智能解决组合优化 题的典型例子。 20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法(Ant Colony Algorithm，ACA)，一种仿生算法。蚁群算法的起源 它是继模拟退火算法、遗传算法、禁忌搜索(Tabu Search)算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法。蚁群算法的原理 蚂蚁在运动过程中，能够在它所经过的路径上留下一种称之为外激素(pheromone)的物质进行信息传递，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的