第4部分 用群集能求解问题.ppt

第四部分 用群集智能求解问题 第4章 群集智能算法 4.1群集智能算法的研究背景 4.2群集智能的基本算法介绍 4.3 集智系统介绍 4.4 群集智能的优缺点 4.1群集智能算法的研究背景 起源于对人工生命的研究。 “人工生命”是用来研究具有某些生命基本特征的人工系统。包括两方面的内容： 1. 研究如何利用计算技术研究生物现象 2. 研究如何利用生物技术研究计算问题 4.1群集智能算法的研究背景 对群集智能的研究是受社会性昆虫行为的启发，从事计算研究的学者通过对社会性昆虫的模拟产生了一系列对传统问题的新的解决方法，这些研究就是群集智能的研究。 群体(Swarm)指的是“一组相互之间可以进行直接通信或者间接通信(通过改变局部环境)的主体，这组主体能够合作进行分布问题求解”； 群集智能(Swarm Intelligence)指的是“无智能的主体通过合作表现出智能行为的特性”。 4.2群集智能的基本算法介绍 4.2.1 蚁群算法 蚁群算法是对蚂蚁群落食物采集过程的模拟，已经成功运用在很多离散优化问题上； 4.2.2 flock算法 flock算法后者也是起源对简单社会系统的模拟，最初设想是模拟鸟群觅食的过程。 蚁群算法是受到上世纪五十年代仿生学的启发，由意大利学者M.Dorigo等人首先提出的一种新型的模拟进化算法，该算法在求解组合优化问题中体现出优良的特性。 作为一种基于种群的启发式搜索算法，它能很好的利用蚁群的集体寻优特征来寻找蚁穴和食物之间的最短路径。因此，被广泛应用于旅行商问题（TSP）、Job-shop调度问题、指派问题等等，都取得了良好的仿真试验结果。 4.2.1蚁群算法 1. 蚁群算法的模拟试验 该试验在各个蚂蚁在没有事先告诉它們食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！ 但有些蚂蚁并没有像其它蚂蚁一样总重复同样的路，它們会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。 为什么小小的蚂蚁能够找到食物，它們具有智能么？要为蚂蚁设计这样的一个智能程序，需要设置那些功能呢？ 首先，我们要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让它們能够巧妙的避开障碍物； 其次，要让蚂蚁找到食物，就需要让它們遍历空间上的所有点； 再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小。 这个试验程序的每个蚂蚁的核心程序编码不过100多行。为什么这么简单的程序会让蚂蚁干这样复杂的事情？ 答案是：巧妙地利用简单规则来实现集体智慧。 每只蚂蚁并不是像我们想象的需要知道整个世界的信息，它們其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样在蚁群这个集体里，复杂性的行为就会凸现出来。这些规则就是下面所述的简单的6条规则 ACO 基本规则（一、二） 范围： 蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界。 环境： 蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。环境以一定的速率让信息素消失。 ACO 基本规则（三） 觅食规则： 感知范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。 ACO 基本规则（四） 移动规则： 每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。 ACO 基本规则（五、六） 避障规则： 如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食/找窝的规则行动。 播撒信息素规则： 在不同的蚁群优化算法中，有的其中的蚂蚁每次散播的信息素是一个常量，有的其中蚂蚁散播的信息素是一个变量，但是这些信息素都是动态变化并随时间逐渐消逝的。 试验参数的说明 最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。 食物释放信息素的半径：在食物点和窝点附