蚂蚁算法在工件排序问题上的应用研究-运筹学与控制论专业毕业论文.docxVIP

摘要 摘要 蚂蚁算法是一种源于生物世界的随机搜索算法，而工件排序问题则是运筹学 当中一个重要的分支。本文针对工件排序问题中的单机排序问题、平行机排序问 题和同顺序作业问题分别给出了不同的蚂蚁算法，并与禁忌搜索算法进行了比 较，说明了蚂蚁算法的性能，对其过程和结果做了一定的分析。 关键词：蚂蚁算法工件排序问题禁忌搜索算法 中图分类号：022 AbstractAnt Abstract Ant colony optimization algorithm i kind of search algorithm from biological world．Scheduling problem is very important branch of operation research．In this article，different ant colony optimizalion algorithms are given to solve single machine problem，parallel processors problem and flow shop problem．And they are compared with taboo—search algori thm to show the performance of ant colony optimization algori thin． The process and the result of ant colony optimization algorithm are also analyzed． Key words：ant colony optimization，schedul ing problem，taboo—search 第一章引言蚂蚁算法(矗nt 第一章引言 蚂蚁算法(矗nt Colony optimization，简称Aco)是一种源于生物世界的仿生 物随机搜索算法，诞生至今只有短短的几年时间。自从意大利学者Dorigo在1996 年提出了蚂蚁算法开始[卜2]，其在组合优化的许多问题中得到应用，并得到不 错的结果。作为通用型随机优化方法，它吸收了昆虫王国中蚂蚁的行为特性，通 过其内在的搜索机制，在一系列困难的组合优化问题求解中取得了成效。由于模 拟仿真中使用的是入工蚂蚁概念，因此有时亦被称为蚂蚁系统。近年来，该算法 在工件排序问题上也有了一定的进展[5一13]，但是研究的范围还是有所局限，研 究成果并不是很多。本文主要针对一系列的工件排序问题给出经过不同优化的蚂 蚁算法。 1．1、蚂蚁算法的原理 据昆虫学家的观察和研究，发现生物世界中的蚂蚁有能力在没有任何可见提 示下找出从其窝巢至食物源的晟短路径，并且能随环境的变化而变化，适应性地搜 索新的路径，产生新的选择。作为昆虫的蚂蚁在寻找食物源时，能在其走过的路 径上释放一种蚂蚁特有的分泌物——．f言息激素(pheromone)(本文简称为信息素)， 使得一定范围内的其它蚂蚁能够察觉到并由此影响它们以后的行动。．当一些路 径上通过的蚂蚁越来越多时，其留下的信息素也越来越多，以致信息素强度增大 (当然，随时间的推移会逐渐减弱)，后来的蚂蚁选择该路径的概率也越高，从而更 增加了该路径的信息素强度，这种选择过程被称之为蚂蚁的自催化行为(auto catalytic behavior)。由于其原理是一种正反馈机制，因此，也可将蚂蚁T．1雪(Ant Colony)t里解成所谓的增强型学习系统(reinforcement learning system)。 用于优化领域的人工蚂蚁算法，其基本原理吸收了生物界中蚂蚁群体行为的 某些显著特征：1)能察觉小范围区域内状况并判断出是否有食物或其他同类的 信息素轨迹；2)能释放自己的信息素；3)所遗留的信息素数量会随时间而逐步 减少。由于自然界中的蚂蚁基本没有视觉，既不知向何处去寻找和获取食物，也 不知发现食物后如何返回自己的巢穴，因此它们仅仅依赖于同类散发在周围环境 中的特殊物质——信息素，来决定自己何去何从，有趣的是，尽管没有任何先验 知识，但蚂蚁们还是有能力找到从其巢穴到食物源的最佳路径，甚至在该路线上 放置障碍物之后，它们仍然能很快重新找到新的最佳路线。 L2、蚂蚁算法的简单实例 L2、蚂蚁算法的简单实例 这罩用一个形象的实例来说明蚂蚁算法的原理： 假设有两条道路可从蚂蚁的巢穴到达食物点，分别记为ABD和ACD 食物点 图一、蚂蚁寻食 其中AB和BD的路径长度为1，AC和CD的路径长度为2，从食物到D点距离 为l，从巢穴到A点距离为1。 在t=0时刻，假设有20只蚂蚁从巢穴出发到达A点，它们将以相同的概念 进行路径选择，因此会有10只蚂蚁选择ABD道路，有lO只蚂蚁选