一.引言 在二十世纪九十年代初期,意大利M.Dorigo,V.Maniezzo,A.Colorni等人从蚂蚁觅食的自然现象中受到启发,经过大量的观察和实验发现,蚂蚁在觅食过程中留下了一种外激素,又叫信息激素,它是蚂蚁分泌的一种化学物质,蚂蚁在寻找食物的时候会在经过的路上留下这种物质,以便在回巢时不至于迷路,而且方便找到回巢的最好路径。由此,M.Dorigo等人首先提出了一种新的启发式优化算法,又叫蚁群系统(Ant Colony System),这种算法是目前国内外启发式算法中的研究热点和前沿课题,被成功地运用于旅行商问题的求解,蚁群算法在求解复杂优化问题方面具有很大的优越性和广阔的前景。但是,根据观察实验发现,蚁群中的多个蚂蚁的运动是随机的,在扩散范围较大时,在较短时间内很难找出一条较好的路径,在算法实现的过程中容易出现停滞现象和收敛速度慢现象。在这种弊端的情况下,学者们提出了一种自适应蚁群算法,通过自适应地调整运行过程中的挥发因子来改变路径中信息素浓度,从而有效地克服传统蚁群算法中容易陷入局部最优解和收敛速度慢的现象。 蚁群算法的主要特点是:正反馈、分布式计算,与某种启发式算法相结合,正反馈过程使得该方法能很快发现较好解;分布式易于并行实现,与启发式算法相结合,使得该方法易于发现较好解。初步的研究表明,蚁群算法是一种基于种群的鲁棒性较强的算法,具有许多优良的性质,为求解复杂的组合优化问题提供了一种新思路。 二.标准蚁群算法 2.1 蚁群算法原理 蚂蚁在外出觅食的过程中,不断地在经过的路径上释放信息激素以便和其他的蚂蚁进行联系,这种信息激素的浓度随着经过该路径的蚂蚁数量而增大,而蚂蚁在回巢或觅食时也会选择信息激素浓度较大的路径,这就会有更多的蚂蚁选择此路径,这就是一种正反馈现象...... |
查看评论
已有0位网友发表了看法