第4章 蚁群算法基本理论概要.pptVIP

* * 4.1 蚁群算法的概述 4.1.1 蚁群算法的概念 4.1.2 蚁群算法的的发展 4.1.3 蚁群算法的特点 4.2 蚁群算法的基本原理 4.2.1 生物学机理 4.2.2 算法原理 4.2.3 参数对算法性能的影响 4.3 蚁群算法的应用 4.4 蚁群算法的研究方向 第4章 蚁群算法基本理论 猜一谜语 远看芝麻撒地，近看黑驴运米 不怕山高道又远，只怕跌进热锅里。 4.1 蚁群算法概述 4.1.1 蚁群算法的概念 蚁群算法（ant colony optimization，ACO）又称为蚂蚁算法，是对自然界蚂蚁寻径方式进行模拟而得出的一种仿生算法，也是一种用来在图中寻找优化路径的机率型算法。 蚂蚁系统是最早提出的群类算法，是对真实蚁群协作过程的模拟，目前所有的蚁群算法的核心思想都是基于蚂蚁系统。 4.1 蚁群算法概述 4.1.2 蚁群算法的发展 1991年，意大利米兰理学院M.Dorigo在其博士论文中首次提出蚁群算法，并成功解决了旅行商（TSP）问题。 1996年，M.Dorigo和Gramdardella等在IEEE Transaction on System Man Cybernrtics-Part B上发表了“Ant system：optimization by a colony of cooperating agents”一文，系统阐述了蚁群算法的基本原理和数学模型，分析了算法性能，并与遗传算法、禁忌搜索算法、模拟退火算法、爬山算法等进行了仿真实验比较，成为了蚁群算法发展史上的奠基性文章。 4.1 蚁群算法的概述 1998年10月15日至16日，在比利时布鲁塞尔召开了第一届蚁群算法国际研讨会（ANTS98），会议由创始人Dorigo负责组织，参会学着50余人，标志着蚁群算法正式国际化。 第一届蚁群算法国际研讨会后，决定每隔两年召开一次，论文集由Lecture Notes in Computer Science（SCI Index）出版。 2000年，Dorigo和Bonabcau等人在国际顶级学术刊物Nature上发表了蚁群算法的研究综述“Inspiraon for optimi-zation from social insect behavior”，将这一研究推向了国际学术前沿。 2003年11月，鉴于Dorigo在蚁群算法研究领域的杰出贡献，欧盟委员会授予他“居里夫人杰出贡献奖”。 4.1 蚁群算法的概述 2000年和2002年，Future Generation Computer System（Vol.16，No.8）和IEEE Transactions on Evolutional Computation（Vol.6，No.4）分别出版了蚁群算法特刊。 我国蚁群算法的研究起步较晚，从公开发表的论文来看（以投稿日期为准），国内最先研究蚁群算法的是东北大学控制仿真研究中心的张纪会博士与徐心和教授在《系统工程理论与实践》1999年第3期的论文“一种新的进化算法——蚁群算法”（1997年10月投稿）。 4.1 蚁群算法的概述 4.1 蚁群算法的概述 4.1 蚁群算法的概述 蚁群算法的发展历程 4.1.3 蚁群算法的特点 ? 蚁群算法的优点 ① 蚁群算法是一种自组织算法。在算法初期，单个蚂蚁无序地寻找解，经过一段时间后蚂蚁通过信息激素，自发地趋向到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 蚁群算法本质上是一种并行算法。每只蚂蚁搜索的过程彼此独立，仅通过信息激素进行通信。 ③ 蚁群算法是一种正反馈算法。蚂蚁能够最终找到最短路径，直接依赖于最短路径上信息激素的堆积，而信息激素的堆积却是一个正反馈过程。 4.1 蚁群算法的概述 ④ 蚁群算法具有较强的鲁棒性。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于初始路线的选择，而且在搜索过程中不需要进行人工调整。其次，参数数目少，设置简单，易于应用到其它组合优化问题的求解中。 ⑤ 蚁群算法不依赖于所求问题的具体数学表达式，具有很强的找到全局最优解的优化能力。 ⑥ 蚁群算法的成功主要在实验层次，缺乏坚实的数学基础和数学解释。 ⑦ 蚁群算法的局部搜索能力较弱，易出现停止和局部收敛、收敛速度慢等问题。 5.1 蚁群算法的概述 4.2 蚁群