蚁群算法原理以及应用.docx
《蚁群算法原理以及应用.docx》由会员分享,可在线阅读,更多相关《蚁群算法原理以及应用.docx(4页珍藏版)》请在第一文库网上搜索。
1、蚁群算法原理以及应用关键词:启发式算法;蚁群算法;迭代;正反馈目录1 .蚁群算法(antco1onya1gorithm,ACA)起源和发展历程12 .蚁群算法的求解原理23 .蚁群算法的求解步骤:34 .简单案例-依据蚁群算法的步骤求解二元函数最小值优化二元函数:31蚁群算法(antco1onya1gorithm,ACA)起源和发展历程MarCODOrig。等人在研究新型算法的过程中,发现蚁群在寻找食物时,通过分泌一种称为信息素的生物激素交流觅食信息从而能快速的找到目标,于是在1991年在其博士论文中首次系统地提出一种基于蚂蚁种群的新型智能优化算法“蚂蚁系统(AntSyStem,简称AS)”,
2、后来,提出者及许多研究者对该算法作了各种改进,将其应用于更为广泛的领域,如图着色问题、二次分配问题、工件排序问题、车辆路径问题、车间作业调度问题、网络路由问题、大规模集成电路设计等。近些年来,MDorigo等人把蚂蚁算法进一步发展成一种通用的优化技术“蚁群优化(AntCo1onyOptimization,简称AC0)”,并将所有符合ACO框架的算法称为“蚁群优化算法(ACOa1gOrithm)”。具体来说,各个蚂蚁在没有事先告知食物在什么地方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
3、小表征路径的远近)信息素能够让其他蚂蚁感知从而起到一个引导的作用。通常多个路径上均有信息素时,蚂蚁会优先选择信息素浓度高的路径,从而使浓度高的路径信息素浓度更高,形成一个正反馈。有些蚂蚁并没有像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,可能会出现一条最短的路径被大多数蚂蚁重复着。最终,信息素浓度最高的路径即是最终被蚂蚁选中的最优路径。与其他算法相比,蚁群算法是一种比较年轻的算法,具有分布式计算、无中心控制、个体之间异步间接通信等特点,并且易于与其他优化算法相结合,经过不少仁人志士的
4、不断探索,到今天已经发展出了各式各样的改进蚁群算法,不过蚁群算法的原理仍是主干。2.蚁群算法的求解原理基于上述对蚁群觅食行为的描述,该算法主要对觅食行为进行以下几个方面模拟:1模拟的图场景中包含了两种信息素,一种表示家,一种表示食物的地点,并且这两种信息素都在以一定的速率进行挥发。2每个蚂蚁只能感知它周围的小部分地方的信息。蚂蚁在寻找食物的时候,如果在感知范围内,就可以直接过去,如果不在感知范围内,就要朝着信息素多的地方走,蚂蚁可以有一个小概率不往信息素多的地方走,而另辟蹊径,这个小概率事件很重要,代表了一种找路的创新,对于找到更优的解很重要。3、蚂蚁回窝的规则与找食物的规则相同。4、蚂蚁在移
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 算法 原理 以及 应用