基于蚁群算法旅行商问题研究.docVIP

基于蚁群算法旅行商问题研究 　　摘 要：群居性昆虫行为的研究为计算机科学家提供了设计分布式控制和优化算法的有力方法。对以蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点。蚁群算法在实际的生活中有很大的用处，比如求解旅行商问题，文章介绍了一种求解复杂TSP的蚁群算法，阐述了该算法的基本原理及实现过程，并且在本文中尝试用编码的形式将基本蚁群算法应用到求解旅行商问题中去。 　　关键词：基本蚁群算法；信息素；旅行商问题 　　1 意义和目标 　　近年来，许多学者对蜜蜂、蚂蚁等一些昆虫的行为进行了大量的研究，特别是他们的集体行为，而这些动物一般都是群居昆虫。每个昆虫的能力虽然十分有限，但昆虫群体的能力却远远超过所有个体能力的总和。比如，蚂蚁群可以快速建立起巢穴与食物之间的最短路径。令人惊奇的是，每只蚂蚁并不直接比较每条路径，而仅仅只是遵守信息素释放/跟随规则就能找到最佳路径。蚂蚁群的这种能力很自然地引起了计算机科学家的兴趣。旅行商问题的定义并不统一，一般广泛认为这样定义：假若有多个城市，而这多个城市的距离为已知条件，这个距离也可以理解为多个城市之间的开销，若要得到某一个旅行商走遍所有城市的一条回路，但必须满足所有城市之间的距离的和为最小，也可以是城市之间的开销达到最小值的这样的一条回路。求解TSP问题的算法较多，但文章使用基本蚁群算法来解决旅行商问题。 　　2 国内外研究现状 　　为了得到解决组合优化问题的某种计算机智能方法，Mnaeizzo、Cootmi、Dorigo在意大利的米兰理工学院，发现了蚂蚁系统，也就是本文中提到的蚁群算法，这是第一次提出的蚁群算法思想，是从蚂蚁寻找食物的过程中发现的。人们由蚁群的集体行为得到了蚁群算法，可以说传统求解组合优化问题的算法可以称之为新型仿生算法，而蚁群算法就是其中一种。从第一次提出蚁群算法以后，Dorigo等人又对蚁群算法做了不少改进，这些改进可以从以下模块来理解：首先，加强了蚁群算法的实际应用的背景；其次，又有新的算法模型的出现，是从原来蚁群算法的基础上做了较大的改进。20世纪初，科学家们逐渐关注了一种蚁群算法模型，这种模型叫做蚂蚁群体优化，也就是antcolonyoptimization，这是由Dorigo、cmabardena以蚁群算法为前期知识得到的一种求解组合优化问题的方法。后来，wanger，stutzle，Mnomarhce等人在此基础上不断进行研究。由此得到的两种模型被实践到了工作布置机器人和信息分析等领域，这两种模型是分别由Bnobaeau得到的简单闭值模型和Dneuebuogr等人得到的BM模型。其中，简单闭值模型是从蚂蚁群体的分工合作总结出来的，而BM模型是由蚂蚁的筑造墓地的动作集总结出来的。在用蚁群算法解决旅行商问题上，研究者Thomastuzel、Hoferhoos进行了大量的研究，他们发现了一种叫做最大最小系统的求解旅行商问题的方法，他的英文是maxminantsysetm，他的求解结果要胜于普通的蚁群算法。而在国内的蚁群算法研究领域，也呈现了一股热浪，一些研究类的文献也逐渐涌现。由此，在蚁群算法的应用方面也做了很大的改进，比如在路由调度应用和优化应用等方面都进行了大量的时间，当然也有一些进步的地方，下面举出几个有改进和突出性的两个人物：其中自适应蚁群算法，是由王颖发现的，他的英文名字是adpativeAntSystem，在蚁群算法的基础上加上变异参数，是由吴庆洪发现的，他的英文名字叫做MutationAntsystem。从世界自然的生物群中，可以模拟得到很多生物算法，在这很短暂的几十年的发展中，这些生物算法是模拟仿生的，一般来说他的特征是：鲁棒性和通用性，尤其优秀表现在组合优化问题中，特别是离散型方面，同时也获得了大量科学家进行研究。本文尝试的是用蚁群算法解决旅行商问题，是因为蚁群算法在旅行商问题上有很好的解决结果，当然，除了旅行商问题以外，在其他的方面，蚁群算法也能表现的非常优秀、及其强大的生命力和非常好的进步空间，这些主要的问题包括：作业调度问题、GCP问题、NP难题二次分配问题、LSI（Large Scale Integration）设计、通讯互联网中的负载均衡问题、互联网的routing table的选择问题等等。 　　3 算法理论分析 　　人们通过观察蚂蚁的觅食过程，总结出了蚁群算法。蚂蚁在觅食的过程中，采取了分工合作的机制，并且依靠一种叫做信息激素的化学物质来实现，人们发现，蚂蚁总是能够找到从蚂蚁的窝巢找到食物的最近的路径，这种是通过蚂蚁之间的合作和信息激素来实现的。整个过程可以描述如下：首先，第一只蚂蚁在寻找食物的过程中，是随机行走路径去寻找的，没有一定的依据，也没有前面提到的信息激素，但这只蚂蚁在经过的路径上都会留下一定的信息激