蚁群算法 的基本原理及其改进算法.pptVIP

PPT模板集编辑说明 本模板文件只是整个模板集的一部分，包含各种风格和用途，后面也会一直陆陆续续的更新，这是模板适合多个场合，按照需要获取，使用灵活方便，排版及各个字体限制已经设置好，可以直接使用也可以自动以使用 * 最新文档资源 蚁群算法的基本原理及其改进算法 专 业：控制工程 年 级：2009级 姓 名：胡训智 学 号指导老师：周润景 教授 * 最新文档资源 算法的提出 算法的基本原理 模型建立 算法的实现 算法改进 结论 参考文献 * 最新文档资源 蚁群算法的提出 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Macro Dorigo * 最新文档资源 基本原理 Nest Food Obstacle 图1 蚂蚁正常行进，突然环境改变，增加了障碍物 * 最新文档资源 基本原理 Nest Food Obstacle 图2 蚂蚁以等同概率选择各条路径 较短路径信息素浓度高，选择该路径的蚂蚁增多 * 最新文档资源 基本原理 图3 蚂蚁选路过程示例 E A B D H C E A B D H C d=0.5 d=0.5 d=1 d=1 30ants 30ants 15ants 15ants 15ants 15ants t=0 E A B D H C 30ants 30ants 20ants 20ants 10ants 10ants t=1 * 最新文档资源 基本原理 Nest Food Obstacle 图4 蚂蚁最终绕过障碍物找到最优路径 * 最新文档资源 模型建立 基于蚂蚁构造墓地和分类幼体的聚类分析模型 基于蚂蚁觅食行为和信息素的聚类分析模型 * 最新文档资源 基于蚂蚁构造墓地和分类幼体的聚类分析模型 蚁群构造墓地行为和分类幼体行为统称之为蚁群聚类行为。 生物学家经过长期的观察发现，在蚂蚁群体中存在一种本能的聚集行为。蚂蚁往往能在没有关于蚂蚁整体的任何指导性信息情况下，将其死去的同伴的尸体安放在一个固定的场所。 * 最新文档资源 真实蚁群的聚类行为 Deneuboug JL等人也用 pheidole pallidula蚂蚁做了实验。发现蚁群会根据蚂蚁幼体的大小将其放置在不同的位置，分别把其堆放在蚁穴周围和中央的位置。 真实的蚁群聚类行为的实验结果右图，四张照片分别对应为实验初始状态、3小时、6小时和36小时的蚁群聚类情况。 * 最新文档资源 基于蚂蚁构造墓地和分类幼体的聚类分析模型 基本模型经过利用个体与个体和个体与环境之间的交互作用，实现了自组织聚类，并成功的应用于机器人的控制中(一群类似于蚂蚁的机器人在二维网格中随意移动并可以搬运基本物体，最终把它们聚集在一起)。该模型成功的应用引起了各国学者的广泛关注和研究的热潮。 LumerE和FaietaB通过在Denurbourg的基本分类模型中引入数据对象之间相似度的概念，提出了LF聚类分析算法，并成功的将其应用到数据分析中。 * 最新文档资源 基于蚂蚁觅食行为和信息素的聚类分析模型 蚂蚁在觅食的过程中，能够分为搜索食物和搬运食物两个环节。每个蚂蚁在运动过程中都将会在其所经过的路径上留下信息素，而且能够感知到信息素的存在及其强度，比较倾向于向信息素强度高的方向移动，同样信息素自身也会随着时间的流逝而挥发，显然某一路径上经过的蚂蚁数目越多，那么其信息素就越强，以后的蚂蚁选择该路径的可能性就比较高，整个蚁群的行为表现出了信息正反馈现象。 * 最新文档资源 程序流程图 * 最新文档资源 程序初始化 X = load('data.txt'); [N,n]=size(X); % N =测试样本数;n =测试样本的属性数; K = 4; % K = 组数; R = 100; % R = 蚂蚁数; t_max = 1000; % t_max =最大迭代次数; best_solution_function_value = inf; * 最新文档资源 信息素矩阵初始化 信息素矩阵维数为N*K（样本数*聚类数）初始值为0.01。 c = 10^-2; tau = ones(N,K) * c; %信息素矩阵，初始值为0.01的N*K矩阵（样本数*聚类数） * 最新文档资源 蚂蚁路径的选择及标识 定义标识字符矩阵solution_string，维数为R*N+1，初始值都为0，以信息矩阵中信息素的值确定路径（即确定分到哪一组），具体方法如下：