蚁群算法研究综述(附视频)教学教材.pptVIP

基于群智能的优化算法 蚁群算法研究综述 目 录 1 2 3 4 蚁群算法的应用 研究趋势 群智能概述 2 蚁群算法简述 1.群智能概述 人工智能涉及许多仿生学的内容 群智能： 一类分散自组织个体的集体智能行为的总称 受到自然界群居动物行为的启发 群：蚁群、鸟群、鱼群、细菌群、蜂群等等 1.群智能概述 群居动物的特点： 群中个体的功能简单 个体功能加在一起表现出复杂行为——智能行为 蚂蚁觅食行为 1.群智能概述 以蚁群为例 单个蚂蚁的能力有限，无法独立存活 蚁群具有强大的生存和适应能力 蚂蚁间通过信息素实现交流，保证信息的传播 个体通过聚集成群后的交流，使得群内涌现出智能 经典的群智能算法： 蚁群算法（蚂蚁觅食） 粒子群算法（鸟觅食） 人工蜂群算法（蜜蜂觅食） 2.蚁群算法简述 蚁群算法： 1992年由意大利学者多里戈提出 模拟蚂蚁觅食过程中找到最佳路径的行为 一种新型的优化算法，可用于求解NP难问题 2.蚁群算法简述 双桥实验：研究蚂蚁的觅食行为 分时段记录各路径上的蚂蚁数量 4分钟时：蚂蚁均匀的分布在桥上 8分钟时：大多数蚂蚁从短的路径上通过 2.蚁群算法简述 例：旅行商问题（TSP）: 有一个推销员，要到n个城市推销商品。要求是从某个城市出发，在访问过所有n个城市后回到出发地，求整个过程的最短路径是哪条？ 属于组合优化问题 被证明具有NPC计算复杂性 2.蚁群算法简述 蚁群算法步骤： 初始化 确定行走方向 更新禁忌表 求信息素增量 将m只蚂蚁随机放置。 设定信息素初始值 将访问过的城市添加到禁忌表。 根据转移概率公式选择下一访问地点。 判断终止条件 每只蚂蚁周游玩一周之后，计算每条边上信息素增量。 当算法满足终止条件时，算法结束。 2.蚁群算法简述 蚁群算法步骤： 设置时间t=0 设置迭代次数NC=1，设置最大迭代次数 设置蚂蚁数k=1 每条边上信息素浓度相同 将m只蚂蚁随机放到n个城市 初始化 更新禁忌表 确定行走方向 求信息素增量 判断终止条件 2.蚁群算法简述 蚁群算法步骤： 转移概率公式： 初始化 更新禁忌表 确定行走方向 求信息素增量 判断终止准则 2.蚁群算法简述 蚁群算法步骤： 将访问过的城市加入禁忌表 禁忌表：作用是防止蚂蚁走重复的路径，走过一个城市，就把它的编号加入到禁忌表。 初始化 更新禁忌表 确定行走方向 求信息素增量 判断终止准则 2.蚁群算法简述 蚁群算法步骤： 更新每条支路上信息素 初始化 更新禁忌表 确定行走方向 求信息素增量 判断终止准则 每条边的信息素增量 2.蚁群算法简述 蚁群算法步骤： 判断迭代次数是否是达到预先设置的NCmax，若没有则继续迭代，否则输出结果。 初始化 更新禁忌表 确定行走方向 求信息素增量 判断终止准则 2.蚁群算法简述 MATLAB仿真: 使用德国海德堡大学的TSPLIB95数据库 算法的参数设置为： 迭代次数：40、蚂蚁数：5、期望因子：10 信息素挥发因子：0.5、信息素强度：100 2.蚁群算法简述 MATLAB仿真：Eil51数据库 * * 蚁群算法主要有以下三个特点： 正反馈，使得该算法可以较快的发现较好解。 分布式，易于并行实现。 启发式搜索，反映了搜索中的先验性、确定性因素的强度。 鲁棒性强，不易受某个个体影响。