《蚁群算法的基本原理》.docxVIP

2.1蚁群算法的基本原理 蚁群优化算法是模拟蚂蚁觅食的原理， 设计出的一种群集智能算法。蚂蚁在 觅食过程中能够在其经过的路径上留下一种称之为信息素的物质， 并在觅食过程 中能够感知这种物质的强度，并指导自己行动方向，它们总是朝着该物质强度高 的方向移动，因此大量蚂蚁组成的集体觅食就表现为一种对信息素的正反馈现 象。某一条路径越短，路径上经过的蚂蚁越多，其信息素遗留的也就越多，信息 素的浓度也就越高，蚂蚁选择这条路径的几率也就越高，由此构成的正反馈过程， 从而逐渐的逼近最优路径，找到最优路径。 蚂蚁在觅食过程时，是以信息素作为媒介而间接进行信息交流， 当蚂蚁从食 物源走到蚁穴，或者从蚁穴走到食物源时，都会在经过的路径上释放信息素， 从 而形成了一条含有信息素的路径，蚂蚁可以感觉出路径上信息素浓度的大小， 并 且以较高的概率选择信息素浓度较高的路径。 (a) (b) 人工蚂蚁的搜索主要包括三种智能行为： 蚂蚁的记忆行为。一只蚂蚁搜索过的路径在下次搜索时就不再被该蚂蚁选 择，因此在蚁群算法中建立禁忌表进行模拟。 蚂蚁利用信息素进行相互通信。蚂蚁在所选择的路径上会释放一种信息素 的物质，当其他蚂蚁进行路径选择时，会根据路径上的信息素浓度进行选择， 这 样信息素就成为蚂蚁之间进行通信的媒介。 蚂蚁的集群活动。通过一只蚂蚁的运动很难达到事物源，但整个蚁群进行 搜索就完全不同。当某些路径上通过的蚂蚁越来越多时, 路径上留下的信息素数 量也就越多，导致信息素强度增大，蚂蚁选择该路径的概率随之增加， 从而进一 步增加该路径的信息素强度，而通过的蚂蚁比较少的路径上的信息素会随着时间 的推移而挥发，从而变得越来越少。3.3.1蚂蚁系统 蚂蚁系统是最早的蚁群算法。其搜索过程大致如下： 在初始时刻，m只蚂蚁随机放置丁城市中，各条路径上的信息素初始值相等，设为：％(。)=战为信息素初始值，可设i0=m/Lm , Lm是由最近邻启发式方法构 造的路径长度。其次，蚂蚁k(k=1,2,|||m),按照随机比例规则选择下一步要转 移的城市，其选择概率为: [El ij(t)「 . u刀 : :,j allowedk Rk(t)="顷顷 is(t)「^allowed k[0,否则 其中，有为边(i,j)上的信息素，，=1/dj为从城市i转移到城市j的启发式 因子，allowed k为蚂蚁k下一步被允许访问的城市集合。 为了不让蚂蚁选择已经访问过的城市，采用禁忌表 tabuk来记录蚂蚁k当前 所走过的城市。经过t时刻，所有蚂蚁都完成一次周游，计算每只蚂蚁所走过的 路径长度，并保存最短的路径长度，同时，更新各边上的信息素。首先是信息素 挥发，其次是蚂蚁在它们所经过的边上释放信息素，其公式如下： % =(1-P)' ，其中P为信息素挥发系数，且0<P壬1。 m % =% +￡ △苛，其中△弓:是第k只蚂蚁向它经过的边释放的信息素，定义 k」 (3.2)k11/dij,如果边(i,j)在路径Tk上 (3.2) 为："ik = j0,否则 根据(3.2)可知，蚂蚁构建的路径长度dj越小，则路径上各条边就会获得 更多的信息素，则在以后的迭代中就更有可能被其他的蚂蚁选择。 蚂蚁完成一次循环后，活空禁忌表，重新回到初始城市，准备下一次周游。 大量的仿真实验发现，蚂蚁系统在解决小规模 TSP问题时性能尚可，能较 快的发现最优解，但随着测试问题规模的扩大，AS算法的性能下降的比较严重， 容易出现停滞现象。因此，出现了大量的针对其缺点的改进算法。 3.3.2精英蚂蚁系统 精英蚂蚁系统［11］是对基本AS算法的第一次改进，它首先由 Dorigo等人中 提出，它的设计思想是对算法每次循环之后给予最优路径额外的信息素量。 找出 这个解的蚂蚁称为精英蚂蚁。 将这条最优路径记为Tbs (best-so-far tour)。针对路径Tbs的额外强化是通过 向Tbs中的每一条边增加e/Lbs大小的信息素得到的，其中e是一个参数，它定义 了给予路径Tbs的权值大小，Lbs代表了 Tbs的长度。这样相应的信息素的更新公 式如式(3.3): m (3.3). (t 一 1) 二 (1 一 八.(t) 一、 、「k(t) 一 e.：. bs(t) ij(i i) (i ) ij(t)jij (t) ej (t) (3.3) k日 其中，AU(t)的定义方法跟以前的相同，A*s(t)的定义则如式(3.4): if (i,j) Tbs otherwise Dorigo等人的文章列举的计算结果表明，使用精英策略并选取一个适当的 e值将 使得AS算法不但可以得到更好的解，而且能够在更少的迭代次数下得到一些更 好的解。 3.3.3最大-最小蚂蚁系统 最大-最小蚂蚁系统(MMAS[13-15])是到目前为止解决T