【正文】 廣闊的發(fā)展前景。目前，蟻群算法已經(jīng)成為國際智能計算領(lǐng)域中備受關(guān)注的研究熱點和前沿性課題。 國內(nèi)外對蟻群算法的研究進展，蟻群算法逐漸得到了世界許多研究者的關(guān)注，其在很多領(lǐng)域得到了很好的應(yīng)用，在這期間國內(nèi)外大量有價值的研究成果也陸續(xù)發(fā)表。2000年，Dorigo M和Bonabeau E等在國際頂級學(xué)術(shù)刊物《Nature》上發(fā)表了蟻群算法的研究綜述，從而把這一領(lǐng)域的研究推向了國際學(xué)術(shù)最前沿，鑒于Dorigo M在蟻群算法研究領(lǐng)域的杰出貢獻，2003年11月歐盟委員會特別授予他“居里夫人杰出成就獎”。我國在蟻群算法領(lǐng)域的研究也取得了一些令世人矚目的成就：陳燁在2001年發(fā)表了《帶雜交算子的蟻群算法》一文，并基于Visual Basic開發(fā)了一個功能齊全人性化的“蟻群算法實驗室”。在2003到2005年間，李艷君、段海濱提出了一種基于網(wǎng)格劃分策略的自適應(yīng)連續(xù)域蟻群算法和一種用于求解連續(xù)域優(yōu)化問題的自適應(yīng)連續(xù)域蟻群算法。在2008年，鄭松為了解決蟻群算法演化過程收斂速度慢、消耗時間長的缺點，提出將確定性搜索引入基本蟻群算法的搜索過程中，并研究了改進后的蟻群算法在啤酒配方優(yōu)化設(shè)計中的具體應(yīng)用。 本文的研究主線及體系結(jié)構(gòu)1）本文的研究主線：研究主線是基于正交離散過程的蟻群算法，通過將蟻群算法與正交試驗設(shè)計相結(jié)合，把連續(xù)性問題離散化，在常規(guī)搜索中創(chuàng)建正交離散過程，優(yōu)化路徑設(shè)置提高算法的搜索速度和運行效率。將基于正交離散過程的蟻群算法應(yīng)用于啤酒原料配方設(shè)計實踐中，取得了非常好的效果，從而開辟了一種解決連續(xù)域變量問題的求解方法。2）本文的體系結(jié)構(gòu)：本文全面地介紹了蟻群算法的理論、方法及其具體實現(xiàn)，按照分析、深化、改進、仿真應(yīng)用的邏輯結(jié)構(gòu)進行安排，本文共分為四章，其內(nèi)容基本上構(gòu)成了一個完整體系，具體而言，各章主要包括如下內(nèi)容：第一章 闡述了蟻群算法的研究背景及國內(nèi)外對蟻群算法的研究進展，同時列舉了部分改進的蟻群算法及其應(yīng)用情況，最后給出了本文的研究主線和體系結(jié)構(gòu)。第二章 在介紹螞蟻的群體覓食行為特征的基礎(chǔ)上，從深層意義上進一步分析蟻群算法的機制原理、數(shù)學(xué)模型、以及具體實現(xiàn)步驟，最后討論了基本蟻群算法的系統(tǒng)學(xué)特征。本章主要內(nèi)容對基本蟻群算法原理進行分析，也是后面章節(jié)對蟻群算法進行改進研究的基礎(chǔ)。第三章 詳細闡述基于正交離散過程的蟻群算法。分析了正交試驗設(shè)計的基本原理、正交離散的基本原理、特點，以及正交離散過程蟻群算法實現(xiàn)尋優(yōu)過程的尋優(yōu)規(guī)則、數(shù)學(xué)模型，并分析了該改進型蟻群算法在啤酒原料配方設(shè)計方面的仿真應(yīng)用等內(nèi)容。第四章 對本文的主要內(nèi)容進行總結(jié)，討論了目前蟻群算法所存在的主要問題，然后從蟻群算法的模型改進、理論分析、并行實現(xiàn)、應(yīng)用領(lǐng)域等方面對蟻群算法在以后的進展進行了討論。第二章 蟻群算法 蟻群算法的基本原理及其數(shù)學(xué)模型 真實蟻群的覓食機理 根據(jù)研究者的長期觀察發(fā)現(xiàn)：螞蟻在運動時會在路徑上釋放出一種信息素來尋找路徑。當(dāng)它們碰到一個陌生路口時，就隨機地挑選一條路徑前進，同時釋放出一定強度與路徑長度相關(guān)的信息素。螞蟻走過的路徑越長，所釋放的信息量就越少。當(dāng)后來螞蟻再次碰到這個路口時，選擇信息量較大路徑的可能性比較大，由此便形成了一個正反饋機制。最短路徑上的信息素強度逐漸增大，其他路徑上的信息量隨著時間的延長而逐漸消減，整個蟻群最終找出最佳的路徑。（a）所示，我們總可以觀察到螞蟻群體在蟻穴與食物之間形成近乎直線的路徑，而不是曲線或者折線等其他形狀。（b）所示，螞蟻運動路線上突然出現(xiàn)障礙物時，開始時各只螞蟻均勻分布，不管路徑的長短，螞蟻總是先隨機選擇各條路徑。螞蟻在運動過程中在經(jīng)過的路徑上留下一定強度的信息素，其他螞蟻能夠感知這種物質(zhì)的強度，并以此指導(dǎo)自己繼續(xù)移動，（c）所示，螞蟻傾向于選擇信息素濃度高的路徑，相等時間內(nèi)在較短路徑上遺留的的信息素量就比較多，選擇較短路徑的螞蟻也越來越多。螞蟻集體行為表現(xiàn)出一種信息正反饋現(xiàn)象，即螞蟻在某一路徑上經(jīng)過的越多，后來的螞蟻選擇該路徑的可能性就越大，螞蟻個體之間就是通過這種信息正反饋機制來搜索食物并最終找到最優(yōu)路徑的，（d）所示。 現(xiàn)實中蟻群尋找食物的過程 由上述可見，在整個尋優(yōu)過程中，雖然單只螞蟻的尋優(yōu)能力有限，但是整個蟻群的行為通過信息素的作用便具有非常高的自組織性，螞蟻之間交換路徑信息素，最終通過螞蟻的正反饋機制找到最優(yōu)路徑。 基本蟻群算法數(shù)學(xué)模型的建立蟻群算法首先成功應(yīng)用于TSP問題，其形象描述是：給定n個城市與城市之間的距離，某一旅行商從某一城市出發(fā)，逐個訪問各個城市一次且僅一次后再回到原來出發(fā)的城市，找出一條最短的迅游路徑。下面我們以簡單的TSP問題為例來說明蟻群算法基本原理。將m只螞蟻隨機地放置在n個城市上,設(shè)初始時刻城市之間每一條路徑信息素強度=c (c是一個常量), 是禁忌表,用來記錄螞蟻當(dāng)前所走過的城市集合, 不允許螞蟻再次訪問該其中的城市結(jié)點。當(dāng)n個城市結(jié)點都寫入禁忌表中時,表示螞蟻完成一次循環(huán)。在搜索過程中, 螞蟻根據(jù)各條路徑上的信息量及路徑的啟發(fā)信息來計算狀態(tài)轉(zhuǎn)移概率。在t時刻,螞蟻k（k=1,2,…,m）由城市i轉(zhuǎn)移到城市j的轉(zhuǎn)移概率為 （1）式（1）中有：表示t時刻路徑（i,j）上的信息素強度。表示信息啟發(fā)式因子，反映了螞蟻在運動過程中所積累的信息在螞蟻運動時所起的作用；作為期望啟發(fā)式因子，表示路徑能見度的相對重要性，反映了螞蟻在運動過程中啟發(fā)信息在螞蟻選擇路徑中的受重視程度。 是啟發(fā)函數(shù)，在TSP問題中，通常取=,表示相鄰兩個城市之間的距離，啟發(fā)函數(shù)表示螞蟻從城市i轉(zhuǎn)移到城市j的期望程度；=｛1,2,…,n｝表示不在中的那些城市的集合，也就是允許螞蟻下一步繼續(xù)尋找的城市集合。為了避免殘留信息素過多而引起殘留信息淹沒啟發(fā)信息，在每只螞蟻走完一步或者對所有n個城市遍歷完（也即一個循環(huán)結(jié)束）后，要對殘留信息進行更新處理。在t+n時刻在路徑（i，j）上的信息量要可按以下公式更新調(diào)整：　　　　　　　　　　　　?。ǎ玻? 　　　　　　　　　　（３）其中表示本次循環(huán)路徑(i,j)的信息素增量,在初始時刻。表示第k只螞蟻在這次循環(huán)中在路徑（i,j）上的信息素增量。表示信息素揮發(fā)系數(shù)，1表示信息素殘留系數(shù)，為了防止信息素的無限積累，的取值范圍為：。信息素揮發(fā)因子的大小關(guān)系到算法的全局搜索能力和收斂速度，信息素殘留因子1反映了螞蟻個體之間相互影響的程度。根據(jù)信息素更新策略的不同，Dorigo M 提出了三種不同的基本蟻群算法模型分別稱之為AntCycle模型、AntQuantity模型及AntDensity模型，其差別在于的求法不同。在AntCycle模型中 （４）式（４）中,L表示第k只螞蟻在本次循環(huán)中所走路徑的總長度，Q為常數(shù)，所指的是信息素強度，表示的是螞蟻完成一次循環(huán)時釋放在所經(jīng)過路徑上的信息素總量。在AntQuantity模型中 （５） 在AntDensity模型中 （６）它們的區(qū)別在于：式（５）和（６）中利用的是局部信息，也就是螞蟻完成一步后更新路徑上的信息素；而式（４）中利用的是整體信息，也就是螞蟻完成一個循環(huán)后更新所有路徑上的信息素，在求解TSP問題時性能較好，因此通常采用式（４）作為蟻群算法的基本模型。 基本蟻群算法的系統(tǒng)學(xué)特征1）基本蟻群算法是一個系統(tǒng)系統(tǒng)可以定義為處于一定的相互關(guān)系中并與環(huán)境發(fā)生關(guān)系的各組成部分的綜合體。這個定義強調(diào)的不是功能，而是系統(tǒng)元素之間的相互作用以及系統(tǒng)對元素的整體作用。螞蟻群體就構(gòu)成了一個系統(tǒng)，在該系統(tǒng)中，螞蟻的個體行為可以作為系統(tǒng)中的元素，螞蟻之間相互影響體現(xiàn)了系統(tǒng)的相關(guān)性，而螞蟻群體能完成個體所完成不了的復(fù)雜任務(wù)體現(xiàn)了系統(tǒng)的整體性，在基本蟻群算法中，采用多只螞蟻的求解結(jié)果好于單只螞蟻的求解結(jié)果，因此基本蟻群算法是一個系統(tǒng)。2）分布式計算生命系統(tǒng)是一個分布式系統(tǒng)，它使得生命體具有很強的適應(yīng)能力。比如說人體的很多細胞相互獨立完成同一項工作，當(dāng)一個細胞停止工作或新陳代謝之后，整體的功能不會因此而受到影響。蟻群算法也體現(xiàn)了群體行為的分布式特征。每只螞蟻在問題空間的多個點相互獨立地構(gòu)造問題的解，而整個問題的求解過程不會因為某只螞蟻無法求解而受到影響。分布式特征增強了蟻群算法的可靠性。3）自組織性如果系統(tǒng)在獲得時間的、空間的或者功能的結(jié)構(gòu)過程中，沒有外界的特定干預(yù)，則稱該系統(tǒng)是自組織的