蚁群算法系统的Java模拟与分析.pdfVIP

蚁群算法系统的Java模拟与分析 吴国凤．曾标 (合肥工业大学计算机与信息学院，安徽合肥230009) 摘要：蚁群算法是近几年来迅速发展起来的。并且得到广泛应用的一种新的模拟进化优化算 法。主要研究蚁群优化算法。蚁群优化算法中主要完成对虚拟蚁群觅食系统的模拟，并成功取得蚂蚁 巢穴和食物之间的最短路径以及对蚁群觅食的相关细节进行优化。 关键词：蚁群算法；最短路径；优化 The imitationand ofant Java analysiscolonysystem WU Guo Biao Feng．ZENG of and of Information，Hefei 230009。China) (DepartmentComputer Universitytechnology，Hefei Abstract：ACA(AntColony a8asortofartificial onevaluationthatdevel— Algorithm)isnowadayspopular optimisticalgorithm inrecent thesisis aresearchonthe andits oprapidly severn]．years．Themainly ACO(AntColonyOptimism)olgorithmpractical value．TheACO ionarticulatesthe betweenhomeand theshortest food． part ACS(AntColonySystem)，get path Keywords：ACA；shortest path；optimism 1蚁群算法简介 导，会等概率地选择BH、BC两条路径，也就是说会有 蚁群算法ACS(Ant 15只蚂蚁选择BH路径，另外15只蚂蚁选择BC路径， ColonySystem)【11是近几年来迅 速发展起来的，并且得到广泛应用的一种新的模拟进化 但这是理想状态下的情况。另外假设路径上的外激素挥 优化算法。蚁群算法一般用来解决在复杂地图模型下的 发量与时间成正比，并且蚂蚁选择一条路径的概率与该 最短路径选择问题。大量理论和实践的研究表明，蚁群 路径所遗留的外激素成正比。这样，当30只蚂蚁从两条 算法有许多优良的性质，如并行性，可以应用于广泛领 不同路径到达D点时，路径BHD上留下的信息素是路 域之中。 蚁群算法也有自身的缺点，如收敛较慢、容易停滞 线条宽度为BC、CD的一半表示该路径上信息素的分布 不前等，这也成为蚁群算法的主要瓶颈，进而限制了蚁 数量。￡=1时刻，这30只蚂蚁到达E找到食物后从E点 群的应用。为此世界各地的很多学者纷纷改进此算法而 返回，到达D点，这30只蚂蚁会根据两条路径的信息 提出了许多可行的方案，使收敛速度有所提高。蚁群算 素的分布数量依相应的概率选择相应的路径，理想状态 法拥有其极好的发展前景，有待更多学者做出优化改进 下，会有20只蚂蚁会选择路径DCB，10只蚂蚁选择路径 和更为广泛的应用121。 DHB。这样，当30只蚂蚁都到达B