数学建模 蚁群算法.pptVIP

（一）蚁群算法起源 90 年代初期意大利学者Dorigo 最早提出了蚁群优化算法———蚂蚁系统(Ant System ，AS) 并将其应用于解决计算机算法学中经典的旅行商问题(TSP) 。 蚁群算法提出者 Macro Dorigo （一）蚁群算法起源 食物 食物 食物 巢穴 巢穴 巢穴 ACO原理 蚁群算法（Ant Colony Optimization, ACO）由Colorni，Dorigo和Maniezzo在1991年提出，它是通过模拟自然界蚂蚁社会的寻找食物的方式而得出的一种仿生优化算法。自然界种蚁群寻找食物时会派出一些蚂蚁分头在四周游荡，如果一只蚂蚁找到食物，它就返回巢中通知同伴并沿途留下 “信息素”（pheromone） 作为蚁群前往食物所在地的标记。 ACO原理 信息素会逐渐挥发，如果两只蚂蚁同时找到同一食物，又采取不同路线回到巢中，那么比较绕弯的一条路上信息素的气味会比较淡，蚁群将倾向于沿另一条更近的路线前往食物所在地。 ACO算法设计虚拟的“蚂蚁”，让它们摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”。根据“信息素较浓的路线更近”的原则，即可选择出最佳路线。 （四）应用现状 蚁群算法在电信路由优化中已取得了一定的应用成果。 HP 公司和英国电信公司设计了蚁群路由算法(Ant Colony Routing ，ACR) 还在许多经典组合优化问题中获得了成功的应用，如二次规划问题(QAP) 、机器人路径规划、作业流程规划、图着色(Graph Coloring)、武器攻击目标分配和优化问题、车辆运行路径规划、区域性无线电频率自动分配、Bayesian networks 的训练和集合覆盖等应用优化问题 。 蚁群系统在TSP问题中的应用 10城市TSP问题 20城市TSP问题 蚁群系统在TSP问题中的应用 30城市TSP问题 48城市TSP问题