【正文】 在我完成畢業(yè)論文的過(guò)程中所取得的每一點(diǎn)進(jìn)步，都離不開(kāi)張老師的悉心教導(dǎo)。與傳統(tǒng)的基本蟻群算法相比，該優(yōu)化算法在執(zhí)行效率上有了較大提高，同時(shí)為蟻群算法更好地解決連續(xù)域變量問(wèn)題提供了一種可行的參考方法。（2）讓初始螞蟻在這25條試驗(yàn)路徑上初始化一定量的信息素，優(yōu)化路徑設(shè)置，運(yùn)行螞蟻根據(jù)此信息素強(qiáng)度尋優(yōu)，將試驗(yàn)對(duì)象正交離散化。(3)保證麥汁總可溶性氮含量在650mg/L～1000mg/L范圍內(nèi)；（4）保證麥汁葡萄糖含量90mg/L～250mg/L范圍內(nèi)；（5）保證原料的糖化力在1600WK/kg～2100WK/kg范圍內(nèi)。第八步：最終輸出程序計(jì)算的最佳結(jié)果。 正交離散過(guò)程蟻群算法的具體實(shí)現(xiàn) 正交離散過(guò)程蟻群算法的實(shí)現(xiàn)步驟正交離散過(guò)程蟻群算法具體實(shí)現(xiàn)步驟如下所示：第一步：明確正交離散過(guò)程蟻群算法需要解決的實(shí)際問(wèn)題。當(dāng)螞蟻從節(jié)點(diǎn)r向節(jié)點(diǎn)s移動(dòng)時(shí)，它會(huì)選擇一個(gè)隨機(jī)數(shù)，如果，按照（7）式根據(jù)啟發(fā)式信息和信息素強(qiáng)度選擇最優(yōu)路徑，否則按照（8）式的隨機(jī)比例規(guī)則選擇下一步要移動(dòng)的路徑。表示螞蟻k下一步要訪問(wèn)的節(jié)點(diǎn)的集合，表示路徑（r,j）上的信息素強(qiáng)度，=,表示啟發(fā)式信息。這種方法將會(huì)克服基本蟻群算法隨機(jī)搜索無(wú)規(guī)律、效率低、結(jié)果分散的缺陷，在很大程度上提高了蟻群算法的求解精度。（8）。在正交試驗(yàn)優(yōu)化中，以品種數(shù)作為因素?cái)?shù)，每個(gè)原料品種在所占比例范圍內(nèi)選定水平數(shù)。A因素3個(gè)水平間具有整齊可比性。如在3因素3水平試驗(yàn)中的A、B、C3個(gè)因素，A因素的3個(gè)水平AAA3各有 B、C兩因素的3個(gè)不同水平，也就是：（1）；（2）；（3）。常用的正交表已經(jīng)標(biāo)準(zhǔn)化，我們可以根據(jù)試驗(yàn)需要從參考書(shū)中選取合適的正交表。（7）。各3個(gè)因素的選優(yōu)區(qū)可以用一個(gè)立方體來(lái)表示，3個(gè)因素各取3個(gè)水平，就可以把立方體劃分成27個(gè)格點(diǎn)，若這27個(gè)網(wǎng)格點(diǎn)都進(jìn)行試驗(yàn)，就是全面試驗(yàn)。 基本蟻群算法的程序結(jié)構(gòu)流程圖開(kāi)始初始化迭代次數(shù)N=N+1螞蟻k=1螞蟻k=k+1按照狀態(tài)轉(zhuǎn)移概率公式（1）選擇下一個(gè)元素修改禁忌表=+1k≥螞蟻總數(shù)m？ 按照公式（2）和公式（3）進(jìn)行信息素更新滿足結(jié)束條件？輸出程序計(jì)算結(jié)果結(jié)束NNYY第三章 基于正交離散過(guò)程的蟻群算法 正交試驗(yàn)設(shè)計(jì) 正交試驗(yàn)設(shè)計(jì)的基本概念在正交試驗(yàn)要解決的問(wèn)題中，要明確衡量試驗(yàn)效果的影響指標(biāo)，影響試驗(yàn)評(píng)價(jià)指標(biāo)者稱為因素，因素在試驗(yàn)中變化的狀態(tài)稱為水平。（３）螞蟻的禁忌表索引號(hào)＝１。在算法初期，單只螞蟻無(wú)序地尋找解，但是經(jīng)過(guò)一段時(shí)間的算法演化，螞蟻越來(lái)越傾向于尋找那些接近于最優(yōu)解的一部分解，這就體現(xiàn)了螞蟻行為從無(wú)序到有序的自組織性。2）分布式計(jì)算生命系統(tǒng)是一個(gè)分布式系統(tǒng)，它使得生命體具有很強(qiáng)的適應(yīng)能力。表示信息素?fù)]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(wú)限積累，的取值范圍為：。當(dāng)n個(gè)城市結(jié)點(diǎn)都寫(xiě)入禁忌表中時(shí),表示螞蟻完成一次循環(huán)。（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。第三章 詳細(xì)闡述基于正交離散過(guò)程的蟻群算法。我國(guó)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(kāi)發(fā)了一個(gè)功能齊全人性化的“蟻群算法實(shí)驗(yàn)室”。 continuous optimization。例如：將正交設(shè)計(jì)方法引入初始化中，創(chuàng)建正交離散過(guò)程，形成正交優(yōu)化的路徑設(shè)置；優(yōu)化初始化過(guò)程，以便形成初始解；以動(dòng)態(tài)概率轉(zhuǎn)移規(guī)則來(lái)構(gòu)造新的路徑；精練的選路策略等改進(jìn)措施的初始路徑優(yōu)化模型。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(wèn)題的啤酒配方設(shè)計(jì)方面，表明該方法是有效可行的，同時(shí)開(kāi)辟了一條解決啤酒配方設(shè)計(jì)問(wèn)題的新途徑，對(duì)蟻群算法解決連續(xù)域問(wèn)題提供了可供參考的模型和求解方法。 beer recipe design 目 錄第一章 緒論 6 研究背景 6 國(guó)內(nèi)外對(duì)蟻群算法的研究進(jìn)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(xué)模型 9 真實(shí)蟻群的覓食機(jī)理 9 基本蟻群算法數(shù)學(xué)模型的建立 11 基本蟻群算法的系統(tǒng)學(xué)特征 13 基本蟻群算法的具體實(shí)現(xiàn) 15 基本蟻群算法的實(shí)現(xiàn)步驟 15 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(guò)程的蟻群算法 17 正交試驗(yàn)設(shè)計(jì) 17 正交試驗(yàn)設(shè)計(jì)的基本概念 17 正交試驗(yàn)設(shè)計(jì)的基本原理 17 正交表及其基本性質(zhì) 19 基于正交離散過(guò)程的蟻群算法 20 正交離散過(guò)程蟻群算法的基本原理 20 正交離散過(guò)程蟻群算法的尋優(yōu)過(guò)程 23 正交離散過(guò)程蟻群算法的數(shù)學(xué)模型 26 正交離散過(guò)程蟻群算法的具體實(shí)現(xiàn) 27 正交離散過(guò)程蟻群算法的實(shí)現(xiàn)步驟 27 正交離散過(guò)程蟻群算法的程序結(jié)構(gòu)流程圖 27 正交離散過(guò)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(xiàn) 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(xué)者Dorigo ；1992年，Dorigo M在其博士論文中又進(jìn)一步描述了蟻群算法的核心思想。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(wèn)題的自適應(yīng)連續(xù)域蟻群算法。分析了正交試驗(yàn)設(shè)計(jì)的基本原理、正交離散的基本原理、特點(diǎn)，以及正交離散過(guò)程蟻群算法實(shí)現(xiàn)尋優(yōu)過(guò)程的尋優(yōu)規(guī)則、數(shù)學(xué)模型，并分析了該改進(jìn)型蟻群算法在啤酒原料配方設(shè)計(jì)方面的仿真應(yīng)用等內(nèi)容。（b）所示，螞蟻運(yùn)動(dòng)路線上突然出現(xiàn)障礙物時(shí)，開(kāi)始時(shí)各只螞蟻均勻分布，不管路徑的長(zhǎng)短，螞蟻總是先隨機(jī)選擇各條路徑。在搜索過(guò)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(lái)計(jì)算狀態(tài)轉(zhuǎn)移概率。信息素?fù)]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(gè)體之間相互影響的程度。比如說(shuō)人體的很多細(xì)胞相互獨(dú)立完成同一項(xiàng)工作，當(dāng)一個(gè)細(xì)胞停止工作或新陳代謝之后，整體的功能不會(huì)因此而受到影響。自組織性增強(qiáng)了算法的魯棒性。（４）螞蟻數(shù)目。對(duì)于單因素或者兩因素試驗(yàn)，因其因素?cái)?shù)比較少，試驗(yàn)的設(shè)計(jì)、安排等都比較簡(jiǎn)單。—1所示。（8）。 正交表的記號(hào)為，其中L代表正交表，a是試驗(yàn)的次數(shù)即正交表的行數(shù)，b表示水平數(shù)，c表示因素?cái)?shù)即列數(shù)。（4）。同樣B、C兩因素的3個(gè)水平間亦具有整齊可比性。例如：有四個(gè)原料品種，也就是有四個(gè)因素，每個(gè)品種有三個(gè)水平，也就是4因素3水平正交試驗(yàn)，則選用正交試驗(yàn)表，產(chǎn)生12個(gè)正交離散節(jié)點(diǎn)，組成9個(gè)初始配方組合，讓初始螞蟻在這9個(gè)初始路徑中釋放一定的信息素，然后運(yùn)行螞蟻更加趨向于從這9個(gè)配方組合中搜索適應(yīng)解配方，最終確定最優(yōu)解，這樣就實(shí)現(xiàn)了把連續(xù)性問(wèn)題離散化處理了。（9）。因此，基于正交離散過(guò)程的蟻群算法能很好地解決連續(xù)域變量的配方組合優(yōu)化問(wèn)題。q是服從均勻分布的一個(gè)隨機(jī)數(shù)，是自定義的一個(gè)參數(shù)。2）信息素全局更新規(guī)則：當(dāng)螞蟻訪問(wèn)完所有的節(jié)點(diǎn)以后，只增強(qiáng)那些屬于最短路徑上的信息素，信息素全局更新規(guī)則使蟻群算法尋優(yōu)過(guò)程具有很強(qiáng)的指導(dǎo)性。 第二步：根據(jù)實(shí)際問(wèn)題確定目標(biāo)函數(shù)，根據(jù)實(shí)際限定因素確定約束函數(shù)條件，建立正交離散過(guò)程蟻群算法的基本數(shù)學(xué)模型。 正交離散過(guò)程蟻群算法的程序結(jié)構(gòu)流程圖：開(kāi)始明確研究問(wèn)題定義目標(biāo)函數(shù)、約束函數(shù)條件，建立數(shù)學(xué)模型正交離散化初始化蟻群算法參數(shù)狀態(tài)轉(zhuǎn)移概率優(yōu)化信息素動(dòng)態(tài)更新優(yōu)化進(jìn)行選路尋優(yōu)計(jì)算滿足結(jié)束條件？計(jì)算目標(biāo)函數(shù)值輸出程序計(jì)算最佳結(jié)果結(jié)束N迭代 Y 正交離散過(guò)程蟻群算法的程序結(jié)構(gòu)流程圖 正交離散過(guò)程蟻群算法的仿真應(yīng)用配方試驗(yàn)設(shè)計(jì)就是連續(xù)域變量?jī)?yōu)化問(wèn)題，在滿足實(shí)際意義的約束條件下，求解各種原料配方的最佳比例，使問(wèn)題的目標(biāo)函數(shù)值達(dá)到最大或最小的效果。參考該啤酒企業(yè)的原料配方設(shè)計(jì)手冊(cè)，定義算法所研究問(wèn)題的數(shù)學(xué)模型如下：目標(biāo)函數(shù)為最低成本函數(shù)： （14）約束條件為各種期望生產(chǎn)指標(biāo)： （15） （16） （17）