求解函数优化问题的连续新蚂蚁算法研究.pdfVIP

摘要 摘 要 用蚁群算法进行函数优化时，存在收敛速度慢并易于陷入局部最小等问题。 为此，本文首先根据对真实蚂蚁的最新研究成果，提出了一种全新的由侦察蚁和 觅食蚁协作搜索的函数优化快速连续蚁群算法。该算法首先引入混沌序列确定侦 察蚁的初始位置，然后由侦察蚁进行全局大视域快速搜索，且每迭代完一步和每 迭代完一代都要对解进行评价，并对本代最优解的信息素进行标记，由此吸引觅 食蚁在本代最优解周围空间进行小步长搜索。通过这种新颖的初始化方法和侦察 蚁与觅食蚁的相互协作，不仅能很好的提高寻优精度，且使收敛速度大幅提高。 计算机仿真实验结果表明，该算法寻优率高，收敛速度提高显著，效果十分令人 满意。随后，本文提出了一种微粒群和蚁群算法相结合的混合连续优化算法，该 算法引入微粒群优化操作进行全局搜索牵引，采用网格法进行细密度的蚂蚁局部 搜索，从而能很好地应用于求解连续对象优化问题。对若干典型复杂连续函数的 实验测试结果表明，该混合算法跳出局部最优解的能力较强，能较快地收敛到全 局最优解，并能适于高维空间的优化问题。与最新的有关研究成果相比，该算法 不仅寻优精度高，而且收敛速度大幅提高。最后，针对蚂蚁算法在求解连续空间 问题方面的缺陷，本文提出一种基于文化的连续蚂蚁优化算法，该算法将蚂蚁算 法纳入文化算法的框架，组成基于蚂蚁算法的主群体和信念的两大空间。在知识 和群体层面使用双重进化机制支持问题的求解和知识的提取。从而充分利用了精 英蚂蚁所携带的特征信息，在很大程度上提高了收敛速度，增强了搜索的多样性。 实验结果表明，该算法求解速度快，寻优成功率高，是一种提高蚂蚁算法性能的 有效算法。 关键词：函数优化，连续蚁群优化算法，混沌序列，侦察蚁，觅食蚁，混合连续 优化算法，文化蚂蚁优化算法 I Abstract Abstract Slow convergence and easy falling to the local best still exist in the ant colony algorithm available for solving function optimization problems. Firstly, a new fast continuous ant colony optimization algorithm by reconnaissance and foraging ants cooperate with each other to search the best solution for solving function optimization problems is presented according to the latest research achievements of ant’s behavior. The algorithm first introduced chaotic sequence to determine the initial position of the reconnaissance ants, then the reconnaissance ants start global rapid search by large view. In order to achieve better performance, it needs to evaluate solutions in each step and each generation and mark pheromones of the optimal solution in this generation. Thus foraging ants are attracted around the optimal solution making short s