【正文】 （18） （19） 在上式中，表示每批次需要的啤酒原料總質(zhì)量；表示過濾槽設(shè)備的直徑；表示第種原料的成本單價；表示配方中第種原料所占的百分比含量；表示第種原料糖化力的數(shù)值；表示第種原料總氮含量；表示第種原料氨基氮的含量；表示第種原料葡萄糖含量；表示第種原料產(chǎn)槽率。（3）讓m只螞蟻從start點開始出發(fā)，每只螞蟻獨(dú)立地按照（7）式和（8）式組成的偽隨機(jī)比例規(guī)則追蹤生成配方方案。第四章 本文的工作總結(jié)與展望 本文的工作總結(jié) 本文首先介紹了基本蟻群算法的基本原理及其系統(tǒng)學(xué)特征，并針對傳統(tǒng)蟻群算法執(zhí)行效率低、耗時長、收斂慢等缺陷，提出了基于正交離散過程的蟻群算法。在這一段時間學(xué)到的東西將使我在以后的學(xué)習(xí)和工作中獲益匪淺。張老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、實事求是的學(xué)術(shù)作風(fēng)、深厚的學(xué)術(shù)功底、敏銳的洞察力和忘我的工作熱情，深深地影響感染了我。由此可見，采用正交離散過程的蟻群算法在啤酒原料配方優(yōu)化問題中的應(yīng)用取得了令人滿意的效果，具有很好的工業(yè)應(yīng)用價值，在一定程度上提高了企業(yè)生產(chǎn)效率。： 各原料參數(shù)正交試驗水平表水平因素寧麥澳麥寧麥哈默林寶應(yīng)甘三九得利KA4B九源甘三小麥1％％％％％％2％％％％％％3％％％％％％4％％％％％％5％％％％％％根據(jù)啤酒原料配方設(shè)計的數(shù)學(xué)模型采用基于正交離散過程的蟻群算法求解程序， 正交離散過程蟻群算法的程序結(jié)構(gòu)流程圖進(jìn)行運(yùn)算，運(yùn)算步驟如下所示：（1）根據(jù)相關(guān)標(biāo)準(zhǔn)和實踐經(jīng)驗從研究對象中挑選6個因素，由此可產(chǎn)生25個初始化優(yōu)化路徑。(2)保證麥汁氨基氮的含量在160mg/L～210mg/L范圍內(nèi)。 第七步：如果滿足結(jié)束條件，計算目標(biāo)函數(shù)值，否則回到第二步。根據(jù)配方中各原料用量的相關(guān)標(biāo)準(zhǔn)確定約束條件：（13）為約束值，也就是配方應(yīng)該滿足的各項指標(biāo)（重量、營養(yǎng)價值等指標(biāo)）；為各種原料的相應(yīng)化學(xué)成分含量；m為約束方程的個數(shù)。螞蟻在開始時的 、中間選擇節(jié)點時的和最終找到最優(yōu)解時的都應(yīng)適時地進(jìn)行調(diào)節(jié)，這樣在初始階段可以加快算法運(yùn)算的速度，在尋優(yōu)過程中又可以避免算法陷入局部最優(yōu)狀態(tài)。位于節(jié)點r的螞蟻k利用以下規(guī)則選擇下一個將要訪問的節(jié)點s： （7） 式（7）中，函數(shù)argmaxf(x)表示尋找最優(yōu)解的參量，表達(dá)的是定義域中的一個子集，且該子集中的任一元素都可使函數(shù)f(x)取得最優(yōu)值。但是除了這9條路徑之外的其它72條路徑中的一條配方組合也有可能是最優(yōu)解，只不過這9條路徑中的一條成為最優(yōu)解的可能性比較大，而其他72條路徑成為最優(yōu)解的可能性比較小而已。（7）。由于從1％～100％之間有無窮多個節(jié)點，若用基本蟻群算法，那么螞蟻將會從第一個節(jié)點1％開始訪問無窮多個節(jié)點，這樣必然會造成龐大的計算量而無限延長計算時間，所求的結(jié)果也會比較分散，所以應(yīng)把問題離散化。在這9個水平組合中，A因素下的每個水平組合了B、C兩因素的3個水平，且任意兩個水平組合不會發(fā)生重復(fù)現(xiàn)象。正交表中每一因素的各個水平都均勻地搭配著其他因素的各個水平。 正交表及其基本性質(zhì)正交表是正交試驗設(shè)計的基本工具，正交設(shè)計安排實驗和分析試驗結(jié)果都要用到正交表，合理選用正交表是正交設(shè)計的基礎(chǔ)。（6）。 正交試驗設(shè)計的基本原理在試驗安排中，當(dāng)因素水平數(shù)不多時，人們首先想到進(jìn)行全面試驗，例如，一個三因素三水平試驗，各因素水平之間的全部組合就有33=27種。 基本蟻群算法的程序結(jié)構(gòu)流程圖。（２）循環(huán)次數(shù)。蟻群算法就體現(xiàn)了自組織性。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)。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。將m只螞蟻隨機(jī)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(qiáng)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。最短路徑上的信息素強(qiáng)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。本章主要內(nèi)容對基本蟻群算法原理進(jìn)行分析，也是后面章節(jié)對蟻群算法進(jìn)行改進(jìn)研究的基礎(chǔ)。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(xiàn)，2003年11月歐盟委員會特別授予他“居里夫人杰出成就獎”。 orthogonal discretion。為了解決蟻群算法在初始階段執(zhí)行效率低下、信息素隨機(jī)分布、路徑雜亂無章的缺點，本文采取了幾項改進(jìn)措施。 關(guān)鍵詞蟻群算法；正交設(shè)計；正交離散；連續(xù)優(yōu)化；啤酒配方設(shè)計 Ant Colony Algorithm based on orthogonal discrete process (Mechanical and electrical engineering institute, Aviation industry management college in zheng zhou )Abstract The ant colony algorithm is a novel simulated evolutionary algorithm, which is inspired by foraging mechanisms of real ant colonies. This idea absorbs the regular behaviors of the ants colonies, by simulating the process of the real ant colony’s searching for food to solve the problems.The current research progresses and basic principle of ant colony algorithm are firstly introduced in this paper, then the improvement optimization and simulation application of ant colony algorithm are also overviewed respectively. In order to solve the problems of low efficiency, randomly distributed pheromone, scrambled paths in the initial stage of the ant colony algorithm. Several improved methods of the initial paths optimization model are proposed. For example, the orthogonal design method is introduced to the initial route optimization course so as to create orthogonal discrete process and form the path settings of orthogonal optimization。通過觀察可以發(fā)現(xiàn)：單只螞蟻的行為十分簡單，但螞蟻群體卻能協(xié)同尋找并集中食物，建立蟻穴并撫養(yǎng)后代，整個螞蟻群體發(fā)揮出了超出個體的行為能力，能完成許多螞蟻個體所不能完成的復(fù)雜任務(wù)。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(jìn)后的蟻群算法在啤酒配方優(yōu)化設(shè)計中的具體應(yīng)用。第四章 對本文的主要內(nèi)容進(jìn)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(jìn)、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