蚁群优化算法.pptVIP

* * 2.4.1 解的表达形式与算法的实现 ----解的表达形式 解的表达形式 基于TSP问题的蚁群优化算法，其解的形式是所有城市的一个排列（闭圈，这种情况下谁在第一并不重要），信息素痕迹按每个弧记录。而对于一般以顺序作为解的优化问题，谁在第一是很重要的。蚁群算法在解决这类问题时，只需要建立一个虚拟的始终点，就可以把TSP问题的解法推广，用于诸多的优化问题。 诸如车间作业及下料等问题，他们的共同特点是解以一个顺序表示。TSP问题寻找的是最短回路，而一般优化问题中，STEP 3 中的判断条件 需要根据实际问题进行修改。 * * 2.4.1 解的表达形式与算法的实现 ----算法的实现 例：0-1背包问题的解顺序表达形式与算法实现。设有一个容积为b的背包，n个尺寸分别为 ，价值分别为 的物品，0-1背包问题的数学模型为： 假设其解的顺序表达形式为　　　　　　　　，其中　　　 为　　　　　　的一个排列。 * * 2.4.1 解的表达形式与算法的实现 ----算法的实现 建立有向图 ，其中 A中共有 条弧。初始信息素痕迹定义为 。 设第s只蚂蚁第k步所走的路线为 ， 表示蚂蚁从0点出发，顺序到达 。第 步按TSP算法 的转移概率公式行走选择 。若 则 ，否则，此蚂蚁不再继续行走，退回起点。 * * 2.4.1 解的表达形式与算法的实现 ----算法的实现 对蚁群重复以上过程，比较m只蚂蚁的装包值 并记忆具有最大装包值的蚂蚁为t。把GBAS算法中步骤3中的 改为 ，若满足此条件则替换当前最好解为 ， 对W上的弧进行信息素的加强，其他弧进行信息素的挥发。 算法中记录了三个信息：信息素痕迹 ；行走路线 ；和问题的约束条件 ， 以确定是否将 加入。 * * 2.4.2 每一节点的记忆信息和系数的确定----需要记忆的信息 算法中需要记忆的信息有三部分。 第一部分信息是存在每个节点的路由表数据结构 ，由此决定的的转移概率为 其中T可以看成节点i的邻域。 * * 2.4.2 每一节点的记忆信息和系数的确定----需要记忆的信息 第二部分需要记忆的信息是每个蚂蚁的记忆表中存储着的自身的历史信息，这一部分主要由算法的中的 记忆，表示蚂蚁已经行走过的节点。 第三部分为问题的约束条件。在GBAS中，T集合表示满足约束条件的候选集，在背包问题的蚁群算法中由判别条件 ， 来实现记 忆功能。 * * 2.4.2 每一节点的记忆信息和系数的确定----系数的确定 残留信息的相对重要程度 和预见值的相对重要程度 体现了相关信息痕迹和预见度对蚂蚁决策的相对影响。Dorigo在求解TSP问题时，推荐参数的最佳设置为： 。 * * 2.4.3 蚁群的规模和停止规则 一、蚁群大小 一般情况下蚁群中蚂蚁的个数不超过TSP图中节点的个数。 二、终止条件 1 给定一个外循环的最大数目，表明已经有足够的蚂蚁工作； 2 当前最优解连续K次相同而停止，其中K是一个给定的整数，表示算法已经收敛，不再需要继续； 3 目标值控制规则，给定优化问题（目标最小化）的一个下界和一个误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止。 * * 2.4.4 信息素的更改 信息素的更新分为离线和在线两种方式。离线方式（同步更新方式）的主要思想是