蚁群算法最全集教学教材.pptVIP

实现过程 蚁群算法的应用举例 2网络路由问题 将蚁群算法应用于解决受限路由问题，目前可以解决包括带宽、延时、丢包率和最小花费等约束条件在内的QoS组播路由问题，比现有的链路状态路由算法有明显的优越性 蚁群算法的应用举例 3电力系统领域 电力系统的许多优化问题本质上是属于组合优化问题。 蚁群算法的应用举例 4航迹规划问题 航迹规划是指在特定的约束条件下，寻找运动体从初始点到目标点满足某种性能指标最优的运动轨迹。 5 混流装配线调度 混流装配线(sequencing mixed models on an assembly line, SMMAL)是指一定时间内，在一条生产线上生产出多种不同型号的产品，产品的品种可以随顾客需求的变化而变化。SMMAL是车间作业调度问题(job-shop scheduling problem, JSP)的具体应用之一。 蚁群算法的应用 问题描述 以汽车组装为例，即在组装所有车辆的过程中，所确定的组装顺序应使各零部件的使用速率均匀化。如果不同型号的汽车消耗零部件的种类大致相同，那么原问题可简化为单级SMMAL调度问题。 蚁群算法及其应用 马文强 欢迎下载 在非洲的大草原上，如果你发现羚羊在奔逃，那一定是狮子来了；如果见到狮子在躲避，那一定是象群在发怒了；如果见到成百上千的狮子和大象集体逃命的壮观景象，那是什么来了呢？ ——蚂蚁军团来了 算法的背景与意义 一 国内外研究现状 二 研究内容与方法 三 蚁群算法的应用 四 算法背景与意义 背景 2001年至今 1996年-2001年 意大利学者 Dorigo1991年 启发 各种改进算法的提出，应用领域更广 引起学者关注，在应用领域得到拓宽 ACO首次被系统的提出 自然界中真实蚁群集体行为 Macro Dorigo 从自然界中蚁群的的觅食行为中受启发， 于1991年，由意大利学者M.Dorigo在其博士论文中提出，并成功的解决了旅行商(TSP)问题 。针对该算法的不足，一些学者提出了许多改进的蚁群优化算法，如蚁群系统，最大-最小蚂蚁系统，最优保留蚁群系统等。近年来，一些学者提出了蚁群优化元启发式这一求解复杂问题的统一框架，这一框架为蚁群优化算法的理论研究和设计提供了技术上的保障。 我国最早研究蚁群算法的是东北大学的张纪会博士和徐心和教授。 背景 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 什么是蚁群算法 信息素：信息素多的地方显然经过这里的蚂蚁多，因而会有更多的蚂蚁聚集过来。 正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。 蚂蚁如何找到最短路径 当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素……；而长的路正相反，因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。 蚁群算法的基本思想 蚂蚁系统是最早的蚁群优化算法。蚂蚁算法在解决一些小规模的TSP问题时的表现尚可令人满意。但随着问题规模的扩大，蚂蚁系统很难在可接受的循环次数内找出最优解。 蚁群系统做了三个方面的改进：状态转移规则为更好更合理地利用新路径和利用关于问题的先验知识提供了方法；全局更新规则只应用于最优的蚂蚁路径上；在建立问题解决方案的过程中，应用局部信息素更新规则。 蚁群算法将蚂蚁的搜索行为集中到最优解的附近可以提高解的质量和收敛速度，从而改进算法的性能。但这种搜索方式会使早熟收敛行为更容易发生。 MMAS能将这种搜索方式和一种能够有效避免早熟收敛的机制结合在一起，从而使算法获得最优的性能 1.基本蚁群算法 2.蚁群系统 3.最大-最小蚂蚁系统 基本蚁群算法以及改进算法 基本蚁群算法 蚂蚁k(k=1,2，…,m)根据各个城市间连接路径上的信息素浓度决定其下一个访问城市，设Pijk(t)表示t时刻蚂蚁k从城市i转移到城市j的概率，其计算公式为： 其中， 表示从城市i可以直接到达的且又不在蚂蚁访问过的城市序列 中的城市集合， 是一个启发式信息，通常由 直接计算， 表示边(i,j)上的信息素量。 由公式（1）可知，长度越短、信息素浓度越大的路径被蚂蚁选择的概率越大。 和 是两个预先设置的参数，用来控制启发式信息（路径的能见度