大学科研成果论文.doc

论文题目: 关于蚁群算法及其应用的思考 学 院： 计算机与信息学院 专业年级： 电子信息工程2010级 学 号： 姓 名： 指导教师、职称： 2012年 11 月15日 关于蚁群算法及其应用的思考 摘 要：蚁群算法是一种新型模拟进化优化算法，发展迅速，并且被应用广泛。蚂蚁群体是一种社会性昆虫，它们有组织、有分工，还有通讯系统，它们相互协作，能完成从蚁穴到食物源寻找最短路径的复杂任务。人类通过研究蚂蚁在寻找食物过程发现路径的方法，探索并发明了蚁群算法。简要介绍了蚁群算法的原理及它自组织、本质并行、正反馈、鲁棒性的特点，还有它目前的进展及应用。同时提醒人类与自然和谐发展。 关键词：蚁群算法；信息素；组合优化；自然选择；和谐发展 一、蚁群算法原理 蚁群算法，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法，是继神经网络、遗传算法、免疫算法之后的又一种新兴的启发式搜索算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。模拟蚂蚁群体智能的人工蚁群算法具有分布计算、信息正反馈和启发式搜索的特点，不仅在求解组合优化问题中获得广泛应用，而且也用于连续时间系统的优化。 以上是对蚁群算法的官方介绍，其实蚁群算法就是一种搜索工具，通过这个工具，帮助人们更快、更准确地找到需要找的东西。而这种工具就是根据蚂蚁寻找食物的最短路径的方法发明的，也算得上是一种借鉴和延伸。 能让人类学习的方法固然在一定程度上是智能的，是什么成就了蚁群算法呢？换句话说，蚁群算法具有什么样的特点呢？ 二、蚁群算法的特点 1）自组织。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。在抽象意义上讲，自组织就是在没有外界作用下使得系统墒增加的过程（即是系统从无序到有序的变化过程）。 蚁群算法充分体现了这个过程。当算法开始的时候，单个的人工蚂蚁无序的寻找解，算法经过一段时间的演化，人工蚂蚁间通过信息激素的作用，相互交换了信息之后，自发的趋向于寻找到接近最优解的一些解，这是一个无序到有序的过程。 2）本质并行。每只蚂蚁搜索的过程彼此独立，仅通过信息激素进行通信。它在多个点同时开始进行独立的解搜索，不仅增加了算法的可靠性，也使得算法具有较强的全局搜索能力。 3）正反馈。从蚂蚁能够最终找到最短路径看出，蚂蚁是直接依赖于最短路径上的信息激素的积累量多少，而信息激素的积累却是一个正反馈的过程。对蚁群算法来说，刚开始的时候在环境中存在完全相同的信息激素，给系统一个微小的变动，使各个方向的轨迹浓度不相同，蚂蚁构造的解就有了优劣，算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素，而更多的信息激素又吸引了更多的蚂蚁，这个正反馈的过程使得初始的不同得到不断的扩大，同时又引导整个系统向最优解的方向进化。因此，正反馈是蚂蚁算法的重要特征，它使得算法演化过程得以进行。 4）鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖子初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解 除此之外，蚁群算法还遵循一些简单的规则： 1）、范围：蚂蚁观察到的范围是一个方格，它能观察到的范围是3*3个方格世界，并且活动在这个范围之内。 2）、环境：蚂蚁所在的环境其中有障碍物，有别的蚂蚁，还有信息素。信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。 3）、觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一