开南管理学院-公开课件（讲义）.pptVIP

大　綱 前言 螞蟻演算法的緣起 螞蟻演算法的概念 各類螞蟻演算法的介紹 前 言 仿生物演算法近年漸受重視，特別是對於非決定性問題的求解（如旅行商推銷問題），解決了傳統數值無法經由演繹推導快速求解最佳解問題、節省了記憶體和時間，其中利用螞蟻覓食行為所做的數值模擬，可廣泛應用於非決定性、求解最佳解問題。 螞蟻演算法的緣起 螞蟻一開始是漫無目的的搜尋食物，且每一隻螞蟻在移動的同時會在路上留下費洛蒙的痕跡，螞蟻們就會透過費洛蒙的濃度去尋求食物的路徑。 在1992年Dorigo等人利用了螞蟻群體合作尋找食物的行為，設計出一個用於處理最佳化問題的螞蟻演算法。 1996年Dorigo 將ACS演算法與GA、SA等啟發式演算法以TSPLIB國際列題進行比較，其結果皆優於其他的演算法，其結果與最佳解誤差皆小於3.5%。 1997年Stützle and Hoos提出不同於Dorigo費洛蒙機率函數模型，測試國際題的結果，其最佳解的誤差皆小於2% (在城市小於200的情況下)。 2000年Dorigo針對TSP問題提出最新模型: 螞蟻群聚最佳化（Ant Colony Optimization;ACO） 螞蟻演算法為一個同時、多工、異步、且具有訊息回饋、協力合作、互競擇優的系統。 應用：旅行推銷員問題 (TSP) 工作排程問題 (JSP) VLSI CAD ? 螞蟻演算法的概念 A為蟻窩 F為食物端 圖一(a)(b)顯示，當路線出現障礙物時，螞蟻選擇Ｃ、Ｄ兩條路線的機率是相同的。 費洛蒙會隨著時間而漸消失，圖ｂ中Ｄ路徑因為路徑較長，費洛蒙的味道相對會較淡，選擇這條路徑的螞蟻漸漸變少。 由於路徑Ｃ較短，費洛蒙味道強烈，越多螞蟻往這條路走，加強費洛蒙的味道，最後形成一條最佳解（最小路徑）。 Ant Algorithm for TSP Loop randomly position num_ants on nun_city cities for step=1 to run city for k=1 to run ant Choose the next city to move to applying a probabilistic state transition rule end for end for Up date pheromone trails Until End_condition 基本螞蟻演算法 初始化費洛蒙濃度 Ｃ 為常數 　 為點ｉ到點ｊ路徑上的費洛蒙濃度 狀態轉換規則ｉ、ｊ分別為起點和終點　　　　　 為能見度，是兩點ｉ、ｊ路徑距離的倒數 為時間 t 時由 i 到 j 的費洛蒙強度(Q為費洛蒙留下的數量、Lk為螞蟻 k行走的路徑總長)allowedk 為尚未拜訪過的節點集合 兩常數分別為費洛蒙和能見度的加權值 費洛蒙更新規則運算 　為了模擬螞蟻會在較短路徑上會留下更多的費洛蒙，當螞蟻到終點時，必須要將各路徑的費洛蒙濃度重新更新一次 　 　　 為費洛蒙殘留率 ｍ為螞蟻個數 　 為第k隻螞蟻在路徑i到j所留下來的費洛蒙 　　　的定義 其中Ｑ為一常數，Ｌk是第k隻螞蟻走完整條路徑後 所得到的總路徑長度 　　　　　　　　 ACS蟻族群系統(Ant Colony System) 　ACS 使用pseudo-random-proportional rule選擇路徑以縮短計算時間，而且只在最好的解增加費洛蒙的痕跡，經實驗證明，只在最好的解上增加費洛蒙的設計，確實有助於螞蟻能最快搜尋到最佳解 Dorigo,M.and Gambardella,L.M.,”Ant colony system:A coppe