【正文】 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)。在2003到2005年間，李艷君、段海濱提出了一種基于網(wǎng)格劃分措施的自適應(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。目前，這種新生的仿生優(yōu)化算法已成為在國際智能計算領(lǐng)域中備受關(guān)注的前沿性課題和研究熱點。 continuous optimization。 Dynamical transfer rules are used to construct the new paths。例如：將正交設(shè)計方法引入初始化中，創(chuàng)建正交離散過程，形成正交優(yōu)化的路徑設(shè)置；優(yōu)化初始化過程，以便形成初始解；以動態(tài)概率轉(zhuǎn)移規(guī)則來構(gòu)造新的路徑；精練的選路策略等改進措施的初始路徑優(yōu)化模型。鄭州航空工業(yè)管理學院畢 業(yè) 論 文（設(shè) 計） XXXXXXXXX 屆 機械設(shè)計制造及其自動化 專業(yè) 班級題 目 基于正交離散過程的蟻群算法 姓 名 XXXXXXXXXX 學 指導(dǎo)教師 XXX 職稱 XX 二О一 年 五 月 十八 日基于正交離散過程的蟻群算法內(nèi) 容 摘 要 蟻群算法是一種仿生優(yōu)化算法，其靈感來源于真實蟻群的覓食機理，這種思想吸收了螞蟻群體有規(guī)律的行為，通過對真實蟻群搜索食物過程的模擬來完成對問題的求解。該模型提高了算法的執(zhí)行效率，其成功應(yīng)用于解決連續(xù)域問題的啤酒配方設(shè)計方面，表明該方法是有效可行的，同時開辟了一條解決啤酒配方設(shè)計問題的新途徑，對蟻群算法解決連續(xù)域問題提供了可供參考的模型和求解方法。 Refined routing strategies and so on. This model enhances the implementation efficiency of the algorithm. And then the beer recipe design simulation application is successfully presented to prove validity and feasibility of the proposed method, consequently, opening up a new way in terms of beer recipe design, and the method offers referenced models and solving methods for ant colony algorithm to solve the continual domain problems. Key wordsAnt Colony Algorithm。 beer recipe design 目 錄內(nèi)容摘要..................................................... 1Abstract...................................................... 2第一章 緒論 6 研究背景 6 國內(nèi)外對蟻群算法的研究進展 7 本文的研究主線及體系結(jié)構(gòu) 7第二章 蟻群算法 9 蟻群算法的基本原理及其數(shù)學模型 9 真實蟻群的覓食機理 9 基本蟻群算法數(shù)學模型的建立 11 基本蟻群算法的系統(tǒng)學特征 13 基本蟻群算法的具體實現(xiàn) 14 基本蟻群算法的實現(xiàn)步驟 14 基本蟻群算法的程序結(jié)構(gòu)流程圖 15第三章 基于正交離散過程的蟻群算法 17 正交試驗設(shè)計 17 正交試驗設(shè)計的基本概念 17 正交試驗設(shè)計的基本原理 17 正交表及其基本性質(zhì) 19 基于正交離散過程的蟻群算法 20 正交離散過程蟻群算法的基本原理 20 正交離散過程蟻群算法的尋優(yōu)過程 23 正交離散過程蟻群算法的數(shù)學模型 26 正交離散過程蟻群算法的具體實現(xiàn) 27 正交離散過程蟻群算法的實現(xiàn)步驟 27 正交離散過程蟻群算法的程序結(jié)構(gòu)流程圖 27 正交離散過程蟻群算法的仿真應(yīng)用 29第四章 本文的工作總結(jié)與展望 34 本文的工作總結(jié) 34 展望 34致 謝 35參考文獻 36 第一章 緒論 研究背景根據(jù)螞蟻群體尋找食物的行為，1991年，意大利學者Dorigo ；1992年，Dorigo M在其博士論文中又進一步描述了蟻群算法的基本原理。 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。在2008年，鄭松為了解決蟻群算法在解決組合優(yōu)化問題時收斂速度慢、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。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)學特征。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研究進展方向進行了討論。當后來的螞蟻再次來到這個路口時，選擇信息素強度較大路徑的可能性較大，這樣蟻群之間就會形成一種信息正反饋機制。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)向信息素濃度高的方向移動，（c）所示，螞蟻傾向于選擇信息素濃度高的路徑，在相等時間內(nèi)，較短路徑上遺留的信息素逐漸增多，選擇較短路徑的螞蟻也越來越多。下面我們以簡單的TSP問題為例來說明蟻群算法基本原理。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；表示信息素啟發(fā)因子，表示螞蟻在運動過程中積累的信息素所起的作用；是期望啟發(fā)式因子，表示路徑能見度的相對重要程度，反映了螞蟻在選擇路徑過程中啟發(fā)式信息所起的作用；是啟發(fā)函數(shù)，在TSP問題中，通常取=,是相鄰兩個城市節(jié)點之間的距離，啟發(fā)函數(shù)表示螞蟻k從i城市移動到j(luò)城市的期望程度；=｛1,2,…,n｝表示不在禁忌表中的城市集合，表示螞蟻下一步要繼續(xù)搜索的城市集合。是信息素揮發(fā)系數(shù)，1則表示信息素殘留系數(shù)，為了防止信息素累積過多，的取值范圍應(yīng)該為：。在AntQuantity模型中 （５） 在AntDensity模型中 （６）它們的區(qū)別在于：式（５）和（６）中表示的是局部信息素，也就是螞蟻在走完一步后更新路徑上的信息素；而式（４）中表示的是整體信息素，即螞蟻完成一次完整循環(huán)后更新所經(jīng)過路徑上的信息素，（4）在求解TSP問題時性能比較好，因此通常采用公式（４）作為蟻群算法的基本模型。2）分布式計算類似于人體很多細胞相互獨立地完成某一項工作，當其中一個細胞停止工作后，人身體的整體功能不會因此而受到影響。3）自組織性昆蟲群落中的生物個體相互作用，可以協(xié)同完成一項集體工作，體現(xiàn)了較強的自組織性能。4)正反饋從自然界中真實蟻群的覓食行為機制可以發(fā)現(xiàn)，螞蟻之所以能夠找到最優(yōu)路徑，主要是由于信息素不斷地在較優(yōu)路徑上的累積，而信息素的累積過程就是一個正反饋過程。（２）循環(huán)次數(shù)。（６）選擇好下一個元素ｊ之后，再將螞蟻移動到新的元素節(jié)點，并把該元素轉(zhuǎn)移到該螞蟻個體的禁忌表中，此時。 基本蟻群算法的程序結(jié)構(gòu)流程圖。例如因素數(shù)為a, 因素的水平數(shù)為b, 則多因素全面試驗方案的次數(shù)為次,從試驗次數(shù)的公式可知, 因素數(shù)和水平數(shù)增多, 試驗次數(shù)將會大大增加。 正交試驗設(shè)計的基本原理在試驗安排中，當因素水平數(shù)不多時，適合進行全面試驗，例如，一個三因素三水平試驗，各因素各水平之間的全部水平組合就有33=27種。正交試驗設(shè)計就是從全面試驗點中挑選一部分具有