蚁群算法及算例.pptx

蚁 群 优 化 算 法 （ACO算法）;一、概述;（二）算法的产生与发展;（三）特点;（四）优点;二、蚂蚁系统（AS算法）——最早的ACO算法; 4、每只蚂蚁只能走合法路线（经过每个城市 1次且仅1次），为此设置禁忌表来控制。 5、所有蚂蚁都搜索完一次就是迭代一次，每 迭代一次就对所有的边做一次信息素更新，原 来的蚂蚁死掉，新的蚂蚁进行新一轮搜索。 6、更新信息素包括原有信息素的蒸发和经过 的路径上信息素的增加。 7、达到预定的迭代步数，或出现停滞现象（所有蚂蚁都选择同样的路径，解不再变化），则算法结束，以当前最优解作为问题的最优解。;（二）参数含义及符号;——第 只蚂蚁在本次迭代中留在边 上的信息素量；;（三）计算公式;3、信息素计算公式;（四）算法步骤;优点;三、算例——5个点的货郎担问题 ;▲最优解保留策略蚂蚁系统（带???英策略的蚂蚁系统ASelite） ▲蚁群系统（ACS） ▲最大-最小蚂蚁系统（MMAS） ▲基于优化排序的蚂蚁系统（ASrank） ▲最优最差蚂蚁系统（BWAS） ▲一种新的自适应蚁群算法（AACA） ▲基于混合行为的蚁群算法（HBACA） ;（一）带精英策略的蚂蚁系统;特点;（三）最大最小蚂蚁系统;特点：主要是修改了ACS中的全局更新公式，增加 对最差蚂蚁路径信息素的更新，对最差解进 行削弱，使信息素差异进一步增大。 ;（七）基于混合行为的蚁群算法;五、蚁群算法与遗传、模拟退火算法的比较;讨 论;已 知 资 料 表;——正常数，;k;k;k;k;k;;k;k;k;k;k; 至此出现了停滞现象，算法结束。 已找到最优解：AEDCBA,目标函 数值为9。; 试用蚁群算法求解6个点的对称TSP。已知资料如下。;参数设置：;已 知 资 料 表;——正常数，;k;k;k;k;k;;k;k;k;k;k; 至此出现了停滞现象，算法结束。 已找到最优解：AEDCBA,目标函 数值为9。; 试用蚁群算法求解6个点的对称TSP。已知资料如下。;参数设置：