基于带记忆蚂蚁蚁群优化算法在tsp上应用-application of ant colony optimization algorithm base on memory ants in tsp.docxVIP

第1章绪论1.1选题背景及研究意义随着科学技术和现代化生产的迅猛发展，优化问题在各行各业中的地位越来越重要，而实际优化问题也更加复杂，因此，迫切需要新的优化理论和方法。目前，虽然传统的数学规划理论成功地解决了一些优化问题，但当现代系统的规模增大，约束条件增多，非线性严重时，传统的优化方法就显得无能为力了，因此迫切需要新的优化理论和方法。而对于奇妙大自然的研究发现，许多自然现象中包含了复杂问题的解决之道，人们从中受到启发，提出了许多用于解决复杂优化问题的新方法，并成功地应用于实际问题。其中群智能算法就是从群居昆虫互相合作进行工作中，得到启迪，研究其中的原理，以此来设计新的求解问题的算法的。本文介绍的蚁群优化算法(ACO:AntColonyOptimization)[21-22][39－42]就是群智能理论研究领域的一种主要算法。在20世纪90年代，意大利学者M. Dorigo 在他的博士论文中第一次系统的提出了一种全新的模拟进化算法:蚂蚁算法(AS:Ant System)[9－11]，算法首先应用于求解TSP问题并取得了较好的效果[9-11]。90年代中期，Dorigo和Gambardella进一步提出了变种蚂蚁算法：蚁群系统（ACS: AntColonySystem）[12 -14]，同期，Stützle 和Hoos 也研究提出了最大最小蚂蚁系统(MMAS:Max-MinAnt System)[15-19]。蚁群优化算法表现出很强通用性和鲁棒性，动态环境下也表现出高度的灵活性和健壮性。90年代末期，M.Dorigo等人将蚂蚁算法进一步发展成为一种通用的优化技术——蚁群优化，并将所有符合ACO框架的蚂蚁算法成为蚁群优化算法，从而为ACO的理论研究和算法设计提供了一个统一的框架。近10 多年来的研究表明：蚁群算法在求解复杂优化问题(特别是离散优化问题)方面具有相当的优势[21-22]，虽然国内外的有关研究仍然停留在实验探索阶段，但从当前的应用效果来看，这种模范自然生物的新型系统寻优思想无疑具有十分光明地前景，而且在无线网络[23-25]、电讯传播[26-28]、生产工艺[29-30]等领域已经开发应用的产品则有力的证明了这一点。因此，蚂蚁优化算法随后激起了越来越多的研究者的兴趣，并取得了许多研究和应用的成果。尽管如此，但仍有许多问题还有待解决，例如，蚁群算法易陷入局部最优解，搜索时间过长，容易出现运算停滞问题，以及怎样利用蚁群算法更有效地解决更多领域的实际应用问题等是目前主要研究内容。1.2群体智能简介群体智能（Swarm Intelligence）[1]这个概念来自于对自然界中的常见昆虫，例如蜜蜂和蚂蚁的观察。虽然每只昆虫智能不高，看起来没有集中的指挥，但是协同工作起来却非常高效，其群体体现出来的能力远远超出了个体的智能所能达到的水平。群体智能中群体[31]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（agent），这组主体能够合作进行分布问题的求解。群体智能指的是：简单智能的主体通过合作表现出复杂智能行为的特征。任何受群体性生物群体行为启发而设计出的算法和分布式问题解决装置都称为群体智能。群体智能之所以引起人们的注意，主要因为它有如下几个特点：（1）群体中的个体是相互合作的，这是其协作性。协作性是群体智能最主要的特点。这种群体的协作不但有行为上的支持而且还有信息上的共享。群居生物在觅食、御敌、迁徙以及逃脱天敌的过程中，无不是靠着个体间的协作来完成。（2）群体中相互合作的个体呈现分布性。群体中个体的行为没有集中的控制机制，个体呈现分散状态，从而使得个体信息呈现局部性。但是通过个体间信息的交流，使得整个群体的信息呈现出全局性，因此群体行为往往可以达到全局最优。（3）个体之间可以不必直接通信而只通过间接通信进行合作，使得系统具有更好的可扩充性。系统中增加个体引起的开销也十分小；（4）系统具有很好的鲁棒性（Robust）。由于群体中个体的分布性特征，群体没有中央控制机制，某一个或几个个体的故障不会影响到整个问题的求解。这样的系统更具有鲁棒性。（5）系统中每个个体能力十分简单，个体执行时间短，执行简单，具有简单性。因此个体行为往往用几条规则就可以描述，但是这些行为对于环境变化的自适应性和快速性都非常好，能根据环境变化快速作出反应。群体智能的协作性、分布性、系统的可扩充性、鲁棒性和快速性等特点使之在没有全局信息的情形下，为寻找复杂问题的解决方案提供了快速可靠的基础，为系统复杂性、NP问题等领域的问题开辟了新的研究途径。此外，群体智能在诸如组合优化、工业动态生产控制问题、电信路由控制、无线移动网络基站优化、机场调度等实际工程问题上也得到了广泛应用，实现了一种新的解决方法。因此，群体智能的研究具有重要的意义和广阔