【正文】 程的蟻群算法。（5）。根據(jù)專業(yè)知識和實踐經(jīng)驗，再對所研究問題具體分析，明確哪幾個因素及其哪幾個水平對試驗指標(biāo)的影響比較大，然后再挑選這幾種因素及其水平進行試驗。在螞蟻創(chuàng)建優(yōu)化解的過程中，螞蟻逐個訪問各個離散節(jié)點，位于節(jié)點r上的螞蟻根據(jù)偽隨機比例規(guī)則選擇下一個將要訪問的節(jié)點s，單個螞蟻在遍歷的過程中根據(jù)信息素局部更新規(guī)則對它所經(jīng)過的路徑進行信息素更新，當(dāng)所有的螞蟻遍歷完所有的節(jié)點后，再按照全局信息素更新規(guī)則對所經(jīng)過的路徑進行信息素更新。參數(shù)決定了“探索”一條新路徑和利用螞蟻積累的有效搜索經(jīng)驗“開發(fā)”一條路徑這兩種過程之間的相對重要程度。應(yīng)用信息素局部更新規(guī)則會使螞蟻經(jīng)過路徑上的信息素減少一部分，這樣后來的螞蟻選擇這些路徑的可能性就會地減少了，從而增強了算法的“探索”能力，有效地避免了算法進入局部停滯狀態(tài)，避免螞蟻收斂到同一條路徑。 第五步：適時調(diào)節(jié)參數(shù)，動態(tài)調(diào)整狀態(tài)轉(zhuǎn)移概率，優(yōu)化路徑設(shè)置。假設(shè)該企業(yè)可提供的原料種類有以下幾種：寧麥加麥、寧麥澳麥、寧麥哈默林、九源甘三、九得利KA4B、寶應(yīng)甘三、小麥麥芽和大米。以寧麥澳麥、寧麥哈默林、寶應(yīng)甘三、九得利KA4B、九源甘三、小麥六種主要啤酒原料配方為基礎(chǔ)，作為正交試驗設(shè)計中的六個因素，每種原料可確定五個用量比例等級，根據(jù)相關(guān)配方手冊和實踐經(jīng)驗，啤酒原料用量的最佳比例應(yīng)該在這五個數(shù)量比例范圍之內(nèi)，然后將其作為正交設(shè)計中的五個水平，即6因素5水平的正交試驗。在運算時可采用以下參數(shù)值：配方搜索圖上節(jié)點個數(shù),信息素揮發(fā)系數(shù)，信息素痕跡強度，啟發(fā)信息權(quán)重，參數(shù)，信息增量和路徑信息素的初始值，根據(jù)該企業(yè)的實際生產(chǎn)情況，一個批次所需的啤酒原料總質(zhì)量,過濾槽設(shè)備的直徑。針對自然界中真實蟻群的其他許多智能行為，用發(fā)散思維和逆向思維開發(fā)不同的蟻群算法模型是一條新的研究思路；同時，在連續(xù)域蟻群算法的收斂性證明方面仍存在許多空白，今后蟻群算法的理論分析和收斂性證明仍是一個挑戰(zhàn)性的研究方向；此外，在研究蟻群算法的并行實現(xiàn)問題方面，還需要解決在蟻群算法并行化過程中對并行計算模型的選擇、映射方法的改進、蟻群算法的分解等問題，這些問題也是今后研究的方向；另外蟻群算法的應(yīng)用深度還不夠，還需要進一步拓寬應(yīng)用領(lǐng)域，對于如何抽象實際問題，使蟻群算法的求解結(jié)果更接近于實際工程意義是廣大蟻群算法學(xué)者們所關(guān)注的一個重要問題。最后，感謝老師們和同學(xué)們對我的幫助讓我能夠順利地完成學(xué)業(yè)，感謝所有關(guān)心和幫助過我的人!參考文獻[1] 劉小梅，張君靜. 蟻群優(yōu)化算法基本原理及其應(yīng)用 [J].西部探礦工程報，2008,10（4）240243.[2] [M]. 北京,科學(xué)出版社，2005.[3] 陳一昭， [J]. 科學(xué)技術(shù)與工程，2011,12，11（36）:90809084[4] 董如何，肖必華， [J].自然科學(xué)報，2004,6，12（6）:103106.[5] 鄭松，侯迪波，唐旭華，葉波，周澤魁. 一種改進蟻群算法及其在配方優(yōu)化中的應(yīng)用 [J].江南大學(xué)自然科學(xué)報，2008,8,7（4）:387391[6] 倪慶劍，邢漢承，張志政,王蓁蓁. 蟻群算法及其應(yīng)用研究進展 [J]. 計算機應(yīng)用與軟件，2008,8，25（8）:1216[7] 許世杰， [D].山東師范大學(xué)碩士學(xué)位論文，2010,6,1920[8] 鄭松，李春富，于涵誠，葛銘. 啤酒原料配方的蟻群優(yōu)化設(shè)計研究 [J].計算機工程與應(yīng)用，2011,47(11):226244[9] 周明天，路綱，牛新征. 蟻群算法研究的新進展和展望 [J].計算機應(yīng)用研究，2007,8,24（4）：43544239。通過在啤酒原料配方設(shè)計的仿真應(yīng)用顯示了該優(yōu)化算法大大提高了執(zhí)行效率和收斂速度，表明該算法在解決實際連續(xù)域變量問題中發(fā)揮了非常重要的作用，該令人滿意的驗證結(jié)果為蟻群算法在解決連續(xù)域變量問題方面開辟了一種可供參考的方法。（5）對于找到可行方案的螞蟻所經(jīng)過的路徑按照公式（9）、（10）和（11）進行信息素局部和全局更新優(yōu)化。啤酒原料麥芽品種所占的百分比含量在0～100％范圍內(nèi)均勻變化，屬于典型的連續(xù)變量優(yōu)化問題，由于從0到100％之間有無窮多個節(jié)點，如果讓螞蟻在0～100％范圍內(nèi)逐個進行訪問的話，必然會造成龐大的計算量而無限延長計算時間，求解的結(jié)果也會比較分散，因此無法用傳統(tǒng)的蟻群算法對其進行研究，必須把原料用量正交離散化處理。啤酒配方主要包括多種大麥和大米等原料，這些原料糖化處理制成麥汁，再經(jīng)過發(fā)酵制成啤酒。 第四步：初始螞蟻在正交試驗設(shè)計中所確定的幾條優(yōu)化路徑中釋放一定量的信息素，對蟻群算法參數(shù)進行初始化。3）信息素局部更新規(guī)則：單個螞蟻在節(jié)點之間遍歷時按照信息素局部更新規(guī)則對所經(jīng)過路徑上的信息素進行更新： （11）其中參數(shù)是信息素揮發(fā)系數(shù)。 （8）由式（7）和（8）決定的狀態(tài)轉(zhuǎn)移規(guī)則被稱為偽隨機比例規(guī)則。即螞蟻初始化信息素（為常數(shù)）。通過對原料用量正交離散化處理，大大減少了搜索初始解集的試驗配方次數(shù)，提高了蟻群算法的運算效率。首先挑選四個原料品種作為四個因素，即品種，每個因素再選擇三個水平，即因素有三個水平、因素有三個水平、因素有三個水平、因素有三個水平，由正交試驗表可知可以組成9個初始配方組合，即（1）；（2）；（3）。然而正交試驗設(shè)計可以綜合處理大量信息，有效地解決連續(xù)域變量問題。（6）。2）均衡分布性：在正交表中的各因素水平組合在選優(yōu)區(qū)中均衡分布。這種選擇保證了A因素的3個水平與B、C因素的3個水平在試驗過程中各搭配一次，對于A、B、C這3個因素來說，正交試驗次數(shù)僅是全面試驗次數(shù)的三分之一，這樣就大大減少了試驗次數(shù)。正交試驗設(shè)計就是從全面試驗點中挑選一部分具有代表性的試驗點來進行試驗。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。（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。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）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(dāng)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。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：。下面我們以簡單的TSP問題為例來說明蟻群算法基本原理。當(dāng)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。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。 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。 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。鄭州航空工業(yè)管理學(xué)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