蚁群算法简述_4.pdfVIP

蚁蚁群群算算法法简简述述 ■ 1.蚁群算法的提出 ■ 2.蚁群算法的特征 ■ 3.蚁群算法的数学模型 ■ 4.蚁群算法的模型类型 ■ 5.蚁群算法的优缺点 ■ 6.蚁群算法所解决的问 ■ 7.蚁群算法的应用 ■ 8.蚁群算法的研究方向 （发展方向） 1.蚁群算法的提出 ■ 算法的提出 蚁群算法 （Ant Colony Optimization, ACO），又称蚂蚁算法—— 种用来在图中寻 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 “Ant system:optimization by a colony of cooperating agents”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。最早 用于解决著名的旅行商问题(TSP , traveling salesman problem)。 1.蚁群算法的提出 ■ 概念原型 各个蚂蚁在没有事先告诉他们食物在什么地 的前提下开始 寻找食物。 当一只找到食物以后，它会向环境释放一种挥发性分泌物 pheromone (称为信息素,该物质随着时间的推移会逐渐挥发消失， 信息素浓度的大小表征路径的远近)来实现的，吸引其他的蚂蚁过 来，这样越来越多的蚂蚁会找到食物。 有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另 辟蹊径，如果另开辟的道路比原来的其他道路更短，那么，渐渐 地，更多的蚂蚁被吸引到这条较短的路上来。 最后，经过一段时间运行，就可能会出现一条最短的路径被 大多数蚂蚁重复着。 1.蚁群算法的提出 ■ 基本原理 蚁群算法是对自然界蚂蚁的寻径方式进行模似 而得出的一 仿生算法。 蚂蚁在运动过程中，能够在它所经过的路径 上留下一 称之为外激素(pheromone)的物质进 行信息传递，而且蚂蚁在运动过程中能够感知这 物质，并以此指导自己的运动方向，因此由大 量蚂蚁组成的蚁群集体行为便表现出一 信息正 反馈现象：某一路径上走过的蚂蚁越多，则后来 者选择该路径的概率就越大。 1.蚁群算法的提出 ■ 简化的蚂蚁寻食过程 蚂蚁从A点出发，速度相同，食物在D点，可 随机选择路线 ABD或ACD。假设初始时每条分配路线一只蚂蚁，每个时间单位 行走一步，本图为经过9个时间单位时的情形：走ABD的蚂蚁到达 终点，而走ACD的蚂蚁刚好走到C点，为一半路程。 1.蚁群算法的提出 本图为从开始算起，经过18个时间单位时的情形： 走A D的蚂蚁到达终点后得到食物又返回了起点A， 而走ACD的蚂蚁刚好走到D点。 1.蚁群算法的提出 假设蚂蚁每经过一处所留下的信息素为一个单位，则经过36 个 间单位后，所有开始一起出发的蚂蚁都经过不同路径从D点取 得了食物，此 ABD的路线往返了2趟，每一处的信息素为4个单 位，而 ACD的路线往返了一趟，每一处的信息素为2个单位，其 比值为2：1。 寻找食物的过程继续进行，则按信息素的指导，蚁群在ABD路 线上增派一只蚂蚁 （共2只），而ACD路线上仍然为一只蚂蚁。再 经过36个 间单位后，两条线路上的信息素单位积累为12和4，比 值为3：1。 若按以上规则继续，蚁群在ABD路线上再增派一只蚂蚁 （共3 只），而ACD路线上仍然为一只蚂蚁。再经过36个 间单位后， 两条线路上的信息素单位积累为24和6，比值为4：1。 若继续进行，则按信息素的指导，最终所有的蚂蚁会放弃ACD 路线，而都选择ABD路线。这也就是前面所提到的正反馈效应。 1.蚁群算法的提出 ■ 人工蚁群算法 基于以上蚁群寻找食物时的最