（蚁群算法）.ppt

定义: 有n个独立的概率事件，分别记为：事件1，事件2，…，事件n，从这些概率事件中选择一个事件当作执行事件的步骤如下： ① 计算n个独立的事件发生的概率，分别用P1，P2，…，Pn表示； ②用P0?，P1?，P2?，…，Pn?对区间[0，1]进行分割，其中，P0?=0，Pi?= Pi-1?+ Pi，i=1，2，?，n，显然，P1+ P2+…+ Pn=1； ③产生一个0到1之间的随机数p，如果Pi-1??p? Pi?，那么选择事件i当作执行事件；这一过程称为随机比例规则。 本文工作 2 2.7 随机比例规则 Algorithm 1 Ant Probability Selection Algorithm(APSA) Input 节点vi，蚂蚁k Output 蚂蚁k的下一跳节点 1： Begin 2： 计算节点vi的前向邻居节点集合Nf(vi) 3： For j=1 to |Nf(vi)| 4： 根据公式(4-10)计算蚂蚁k选择节点vj作为下一跳节点的概率Pijk 5： End For 6： 定义Pj?，j=0 to | Nf(vi)|，令P0?=0 7： For j=1 to |Nf(vi)| 8： Pj?=Pj-1?+Pijk 9： End For 10：产生0到1之间的随机数p 11：For j=1 to |Nf(vi)| 12： If p? Pj? 13： 蚂蚁k选择邻居节点vj作为下一跳节点 14： Exit For 15： End If 16： End For 17： Output 节点vj 18： End 本文工作 2 2.8 蚂蚁概率选择算法 蚂蚁概率选择算法(APSA)是蚂蚁如何按照状态转移概率，从前向邻居节点集合中选择下一跳节点的方法，其中用到了随机比例规则。 本文工作 2 2.9 ELACO算法 ELACO的主要步骤： 计算前向邻居节点集合 按照APSA选择下一跳节点 信息素更新 本文工作 2 2.9 ELACO算法 Algorithm 2 ELACO Input Source ID，Sink Node，m； Output 最优路径； 1： Begin 2： Initialization Nc=0， Nc-max， ?ij(Nc)， ??ij(t)=0 3： While ttc-max do 4： For k=1 to m do 5： 节点vi根据公式(4-9)计算前向邻居节点集合Nf(vi) 6： If Nf(vi)=? 7： 蚂蚁返回上一跳节点，并且将节点vi标记为无效节点 8： End If 9： 蚂蚁k按照算法APSA在集合Nf(vi)中选择下一跳节点 10： If node vi is the Sink node then 11： 按照公式(4-13)计算??k(t) 12： 按照公式(4-14)计算?ij(t) 13： 按照公式(4-15)计算?ij(t+1) 14： End If 15： End For 16： t?t+1 17： End While 18： Return 最优路径 19： End 定理3：算法ELACO的时间复杂度为O(t?|V|2?m)，其中，t为循环次数，|V|为网络中的节点个数，m为蚂蚁个数。 证明：算法ELACO中，初始化每条路径上的信息素浓度、节点能量及其它参数所需要的时间复杂度为O(|V|2+m)，|V|为G=(V，E)中的节点数，m为网络中的蚂蚁数；设置蚂蚁禁忌表所执行的次数为m，其时间复杂度为O(m)。每只蚂蚁单独寻找路径的时间复杂度为O(|V|2?m)；信息素浓度更新的时间复杂度为O(|V|2)；判断算法是否达到终止条件(达到设定的最大循环次数tc-max)的时间复杂度为O(|V|?m)。所以，算法ELACO执行一次循环的时间复杂度为O(|V|2+m+m+|V|2?m+|V|2+|V|?m)。当|V|足够大时，低次幂的影响可以忽略不计，则算法ELACO在执行t次循环后的时间复杂度为O(t?|V|2?m)。 本文工作 2 2.10 时间复杂度 从算法执行时间和蚂蚁数量两个方面来证明算法ELACO的收敛性。基于时间的收敛分为值收敛和解收敛两个方面。 值收敛，即当迭代时间趋于无穷时，算法能找到一个最优解的概率趋近1。 解收敛，即当迭代时间趋于无穷时，算法中任意一只蚂蚁找到最优解的概率趋近于1。 2 本文工作