蚁群算法.ppt

蚁群算法 1. 引言 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 2. 蚁群算法基本原理 3. 蚁群算法优缺点 3. 蚁群算法优缺点 * 蚂蚁群体的路径搜索原理和机制示例： 图1.1 蚁群系统示意图 图1.1 蚁群系统示意图 图1.1 蚁群系统示意图 蚁群算法是一种随机搜索算法，与其他模型进化算法一样，通过候选解组成的群体的进化过程来寻求最优解，该过程包括两个阶段：适应阶段和协助阶段。 ⑴在适应阶段，各候选解根据积累的信息不断调整自身结构； ⑵在协助阶段，候选解之间通过信息交流，以期望产生性能更好的解。 蚁群算法不需要任何先验知识，最初只是随机选择搜索路径，随着对解空间的“了解”，搜索变得有规律，并逐渐逼近直至最终达到全局最优解。蚁群算法对搜索空间的“了解”机制主要包括三个方面： ⑴蚂蚁的记忆。 ⑵蚂蚁利用信息素⑶蚂蚁的集群活动。 基本蚁群算法的缺点： (1)需要较长的计算时间，容易出现停滞现象。 (2)所有通过路段的搜索路径对应的候选解均会对该路段带来信息素的增量。而实际上，候选解并非都是最好解，这样计算信息素的增量会导致错误的引导信息，从而造成大量的无效搜索，使系统出现停滞现象。 (3)采用了信息素均匀分配策略，即对已搜索路径中的所有路段采用同样的信息素增量，与路段的重要性无关，没有考虑当连续空间优化问题转换到有向图搜索问题时，信息素分配给可行解带来的尺度变化对于连续解空间搜索效率的影响。 蚁群算法优点： (1)较强的鲁棒性：对蚁群算法模型稍加修改，便可以应用于其它问题。 (2)分布式计算：该算法是一种基于种群的拟生态系统算法，具有本质并行性，易于并行实现。 (3)易于与其他方法结合：该算法很容易与多种启发式算法结合，以改善算法的性能。 (4)蚁群算法是一种本质上并行的算法。每只蚂蚁搜索的过程彼此独立，仅通过信息激素进行通信。它在问题空间的多点同时开始进行独立的解搜索，不仅增加了算法的可靠性，也使得算法具有较强的全局搜索能力。 初始时刻，各条路径上的信息量相等，设（C为常数）。蚂蚁k（k=1,2,…,m）在运动过程中，根据各条路径上信息量决定转移方向，用表示在t时刻蚂蚁k由城市i转移到城市j的概率， 其中，用来表示蚂蚁k下一步允许选择的城市，用以记录蚂蚁k当前所走过的城市，集合随着进化过程作动态调整。表示边弧的能见度，用某种启发式算法算出，一般取，表示城市i与城市j之间的距离。表示轨迹的相对重要性，表示能见度的相对重要性。 蚁群算法求解旅行商问题： 设Bi(t)(i=1,…,n)是在t时刻城市i的蚂蚁数，设为全部蚂蚁数，每个简单蚂蚁具有以下特征： ⑴它根据以城市距离和连接边上外激素的数量为变量的概率函数选择下一个城市（设为t时刻边上的外激素的强度）。 ⑵规定蚂蚁走合法路线，除非周游完成，不允许转到已访问城市，有禁忌表控制（设表示第k个蚂蚁的禁忌表，表示禁忌表中第s个元素）。 ⑶它完成周游后，蚂蚁在它每一条访问的边上留下外激素。 经过n个时刻，蚂蚁完成一次循环，各路径上信息量要根据以下式做调整： 表示第k只蚂蚁在本次循环中留在路径ij上的信息量，表示本次循环中路径ij上的信息量增量， 表示轨迹的持久性，理解为轨迹衰减度。随着时间的推移，以前留下的信息逐渐消失，用参数表示信息消逝程度。 表示第k只蚂蚁环游一周的路径长度，为常数。 ，，的表达形式可以不同，要根据具体问题而定。DorigoM曾给出三种不同模型，分别称为ant-cycle system，ant-quantity system和 ant-density system的公式不同。 在ant-quantity system模型中， 在ant-density system模型中， 它们的区别在于：后两种模型中，利用的是局部信息，而前者利用的是整体信息，在求解TSP问题时，性能较好，因而通常采用它为基本模型。 解旅行商问题的蚁群算法的基本步骤： 步骤1：（nc为迭代步数或搜索次数）；各和的初始化；将m个蚂蚁置于n个顶点上； 步骤2：将各蚂蚁的初始出发点置于当前解集中：对每个蚂蚁k（k=1,2,…,m），按概率移至下一顶点力将顶点j置于当前解集； 步骤3：计算各蚂蚁的路径长度（k=1,2,…,m）；记录当前的最好解； 步骤4：按更新方程修改轨迹强度； 步骤5：对各边弧（i，j），置，； 步骤6：若nc预定的迭代次数且无退化行为（即找到的都是相同解）则转步骤2； 步骤7：输出目前最好解。 像蚂蚁这类群居昆虫，虽没有知觉，却能找到有蚁穴到食物源的最短路径，为什么？ 蚂蚁利用素交流、合作经过