7章节 群集智能算法.pptVIP

第7章 群集智能算法;第7章 群集智能算法;7.1群集智能算法的研究背景;7.1群集智能算法的研究背景;7.2群集智能的基本算法介绍;蚁群算法是受到上世纪五十年代仿生学的启发，由意大利学者M.Dorigo等人首先提出的一种新型的模拟进化算法，该算法在求解组合优化问题中体现出优良的特性。 作为一种基于种群的启发式搜索算法，它能很好的利用蚁群的集体寻优特征来寻找蚁穴和食物之间的最短路径。因此，被广泛应用于旅行商问题（TSP）、Job-shop调度问题、指派问题等等，都取得了良好的仿真试验结果。;7.2.1蚁群算法;为什么小小的蚂蚁能够找到食物，它們具有智能么？要为蚂蚁设计这样的一个智能程序，需要设置那些功能呢？ 首先，我们要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让它們能够巧妙的避开障碍物； 其次，要让蚂蚁找到食物，就需要让它們遍历空间上???所有点； 再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小。 ; 这个试验程序的每个蚂蚁的核心程序编码不过100多行。为什么这么简单的程序会让蚂蚁干这样复杂的事情？ 答案是：巧妙地利用简单规则来实现集体智慧。 每只蚂蚁并不是像我们想象的需要知道整个世界的信息，它們其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样在蚁群这个集体里，复杂性的行为就会凸现出来。这些规则就是下面所述的简单的6条规则;ACO 基本规则（一、二）; ACO 基本规则（三）;ACO 基本规则（四）; ACO 基本规则（五、六）;试验参数的说明 最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。 食物释放信息素的半径：在食物点和窝点附近都会释放相应的信息素以便蚂蚁能更快的找到它们。这个半径越大，则越容易被蚂蚁找到。;信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。 错误概率：表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。 速度半径：表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。;记忆能力：表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。 按钮：是把当前更改的所有蚂蚁的个体属性应用到所有的蚂蚁身上。;;现在的问题是蚂蚁究竟是怎么找到食物的呢？ 在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？ 这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。 首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转；;其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像一个小球一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向。 这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁沿着是某个方向正确，而其他方向则不正确。在有一只蚂蚁找到了食物后，其他蚂蚁会沿着信息素很快找到食物。 ;蚂蚁如何找到最短路径的？ 这一是要归功于信息素；二是要归功于环境，即计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多，这也无关紧要）。;当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素，而长的路径则正好相反。因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。;;模拟试验结果的思考 跟着蚂蚁的踪迹，我们能够发现什么呢？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点： 多样性 正反馈;多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环； 正反馈机制则保证了相对优良的信息能够被保存下来。 我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创新性。 正是这两点巧妙的结合才使得智能行为涌现出来。; 从广义来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。 如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的