用于求解TSP的信息素扩散蚁群算法.pdfVIP

维普资讯 学兔兔 第3期 (总第148期) 机 械 工 程 与 自动 化 No．3 2008年6月 MECHANICAL ENGINEERING AUT0MAT10N Jun． 文章编号：1672—6413(2008)03—0039—03 用于求解TSP的信息素扩散蚁群算法 李亚韫，杜永贵 (太原理工大学 信息工程学院，山西 太原 030024) 摘要：首先分析信息素挥发因子对蚁群算法的影响，继而引入信息素扩散模型，使得信息素不光影响本路径上 的蚂蚁，同时也能影响其它路径上的蚂蚁。这大大增强了蚂蚁间的合作性，加快了蚁群算法的收敛速度，提高 了全局搜索能力。 关键词：蚁群算法；信息素扩散；收敛速度；全局搜索能力 中图分类号：TB115 文献标识码：A 0 引言 过一种称为信息素的物质进行信息传递。蚂蚁在移动 蚁群算法是近几年发展起来的一种仿生优化算 过程中通过感知遗留在路径上的该种物质来指导自己 法，其成功之处在于能模拟蚂蚁之间的信息传递。当 的运动方向，并在自己经过的路径上留下该类物质。这 蚂蚁进行路径搜索时，如果找到一段相对短的路径就 样，大量蚂蚁所组成的群体便构成了一种信息正反馈， 会释放一定浓度的信息素，这些信息素对后继蚂蚁产 从而成功地实现了食物搜索和最短路径选择等行为。 生影响。理论上先前蚂蚁寻找的路径上信息量大，所 随着时间的推移，以前留下的信息素将要逐渐消逝，所 有后继蚂蚁应当毫无理由地选择此路径，但实际上信 以在算法模型中用参数JD表示信息消逝程度(或称信 息素会挥发或扩散到其它路径上，所以它们不可能完 息素挥发因子)。信息素挥发因子JD的大小直接关系到 全都在先前蚂蚁的原轨迹上运动，有一部分会选择与 蚁群算法的全局搜索能力及其收敛速度。 该轨迹有着或大或小距离的路径作为行进目标，同时 信息素挥发因子JD对算法性能的影响可以通过计 其它路径上的蚂蚁受扩散出的信息素影响会以更大的 算机仿真实验进行分析。以TSP30为研究对象，最优 概率选择此路径。最初构建蚁群算法模型时只考虑到 路径长度解为423．741 5，参数设置为蚂蚁数目 一 信息素会随时间推移而挥发，在信息素更新中引人挥 16，信息素强度Q一100，启发式因子a一1，期望启发 发因子JD。但这是有一定缺陷的，本路径上的信息素只 式因子 一5，最大循环次数Ⅳ一 一100，停止条件为 能影响选择本路径的蚂蚁，而对距离这条路径较近的 相邻两次循环搜索中最优解的差~aJ4,于0．001。图1、 其它路径上的蚂蚁起不到直接调节作用，这容易导致 图2分别为信息素挥发因子JD与最优路径长度解关系 蚂蚁间的合作性不强和不及时。若在其它参数一定的 图和信息素挥发因子|D与迭代次数Ⅳ 关系图。 情况下JD选取的太小或太大时，要么会出现收敛速度 由仿真结果看出，在其它参数相同的情况下，当 慢的现象，要么会出现过早陷于局部最优现象。现考 JD较小时，迭代次数Ⅳ 变大，搜索出的路径长度解与 虑到信息素不仅会直接影响本路径上的蚂蚁，而且由 最优路径长度解之间的差值不是很大。这是因为此时 于其扩散也能影响其它路径上的蚂蚁，因此将信息素 路径上的残留信息素占主导地位且停留时间长，信息 扩散模型加人算法中，这样增强了蚂蚁间的合作性，提