蚂蚁最佳化演算法antcolonyoptimizationACO.PDFVIP

螞蟻最佳化演算法 (ant colony optimization, ACO) 螞蟻最佳化演算法 [1-3]是由 Colormi 、Dorigo 與Maniezzo 於 1991 年所發表， 當初是用來解決旅行業務員 (traveling salesman problem, TSP [3-7])的問題。 TSP 問題定義為 “一個銷售員拜訪n個城市，尋找一條路徑恰好可以通過所有的城市 然後可以回到起點，而且這條路徑所需要的成本最小(總共路徑最短)” 。 演算法的核心在於模仿螞蟻尋找食物的程序，螞蟻在尋找食物的時候，會沿 途分泌一種被稱為費洛蒙(pheromone)的化學物質；而費洛蒙的氣味可以提供給 其他螞蟻做為尋找食物會給自己回到巢穴的依據。針對來回走一趟取得食物路徑 而言，長路徑需要較多時間來完成，而這意味著費洛蒙有較多的揮發時間；下一 次當螞蟻在選擇路徑的時候，短路徑的費洛蒙濃度會比較高，因此會有較多的螞 蟻會選擇短路徑；相對的，長路徑的費洛蒙濃度較低，有意願選擇此路徑的螞蟻 就會比較少。 圖 1螞蟻尋找巢穴與食物之間的最佳路徑 蟻群最佳化已經被證實運用在複雜的問題上可以有優異的效率，是否可以應 用解決問題在於可否將問題轉換成路徑方式表示 。而影響最大的是選擇路徑的機 率計算方式與費洛蒙更新的方式。目前蟻群最佳化已被應用在旅行銷售員的問題 (traveling salesman problem, TSP)[3-7] 、工程排程問題(scheduling problem)[1] 、運 輸繞徑問題 (vehicle routing problem)[8] 、二次分派問題(quadratic assignment problem, QAP)[9] 、網路路由問題(networks routing problem)[10] 、漢米敦圖形辨識 問題 (recognizing Hamiltonian graphs)[11] 、圖形走覽(graph traversal) 、連續性順序 問題 (sequential ordering problem, SOP) 、著色問題(graph coloring problem) 、頻道 分配問題(frequency assignment problem, FAP) 、最短母字串問題(shortest common supersequence problem, SCS) 、一般分配問題(general assignment problem, GAP) 、 複合被包問題 (multiple knapsack problem)問題等。 螞蟻在移動的過程中，會依照費洛蒙的濃度來決定行走的路徑。例如圖 2 ， 原先螞蟻在蟻巢與食物之間行進，當有個障礙物出現在路徑上，螞蟻則有兩個路 徑可以選擇，剛開始的時候，路徑被選擇的機率一致，所以兩條路徑都會有螞蟻 經過，隨著時間的變遷，因為螞蟻能較快通過短的路徑，所以費洛蒙累積的濃度 會比長的路徑來的高，後面的螞蟻逐漸被高濃度的費洛蒙所引導，選擇短路徑的 螞蟻逐漸增多，也加速短路徑費洛蒙的累積，長路徑因為費洛蒙的揮發與螞蟻選 擇此路徑逐漸減少，費洛蒙的濃度逐漸降低，最後螞蟻都選擇短路徑行進。 (A) (B) (C) (D) 圖 2自然界螞蟻的覓食行為圖 m 假定 隻螞蟻在行進的過程中，選擇下一個路徑的機率依照下列公式：  ( (t)) ( ) k  ij  ij  ,if j J k (i) p (t) ( (t)) ( ) ij  iu iu (2) u J k (i)  0