人工智能07蟻群算法及其應(yīng)用-文庫吧在線文庫
【正文】 較大。蟻 群算法的數(shù)學(xué)模型找到全局最優(yōu)解的螞蟻稱為 “精英螞蟻 ”。（三）最大最小螞蟻系統(tǒng) 關(guān)于 的取值，沒有確定的方法，有的書例子中取為 ， 10；有的書提出一個在最大值給定的情況下計算最小值的公式。 ANB較大，意味著下一步可選的城市較多， 也變大，表示選擇信息素和距離最好的邊的可能性增大；反之減小。? 蟻群算法的收斂速度最快，遺傳算法次之，模擬退火算法最慢。如果一只螞蟻因?yàn)榻?jīng)過了網(wǎng)絡(luò)中堵塞的路由而導(dǎo)致了比較大的延遲，那么就對該表項(xiàng)做較大的增強(qiáng)。蟻 群算法的應(yīng)用ACO還在許多經(jīng)典組合優(yōu)化問題中獲得了成功的應(yīng)用，如二次規(guī)劃問題（ QAP）、機(jī)器人路徑規(guī)劃、作業(yè)流程規(guī)劃、圖著色（ Graph Coloring）等問題。? （ 2）然后，用戶請求該 NVS所接入的視頻源并計算得出合適的 proxy接入選擇（也可能直接接入該 NVS）。利用 ACO實(shí)現(xiàn)對生產(chǎn)流程和特料管理的綜合優(yōu)化，并通過與遺傳、模擬退火和禁忌搜索算法的比較證明了 ACO的工程應(yīng)用價值。蟻 群算法的應(yīng)用基于群智能的聚類算法起源于對蟻群蟻卵的分類研究。現(xiàn)在其應(yīng)用領(lǐng)域已擴(kuò)展到多目標(biāo)優(yōu)化、數(shù)據(jù)分類、數(shù)據(jù)聚類、模式識別、電信 QoS管理、生物系統(tǒng)建模、流程規(guī)劃、信號處理、機(jī)器人控制、決策支持以及仿真和系統(tǒng)辯識等方面，群智能理論和方法為解決這類應(yīng)用問題提供了新的途徑。螞蟻以貪婪方式選擇下一步要到達(dá)的狀態(tài)。信息素更新時對 考慮權(quán)重的影響。 ３、局部更新規(guī)則 ——螞蟻每次從城市 轉(zhuǎn)移到 城市 后，邊 上的信息素適當(dāng)減少。? 終止條件 : 1 給定一個外循環(huán)的最大數(shù)目，表明已經(jīng)有足夠的螞蟻工作； 2 當(dāng)前最優(yōu)解連續(xù) K次相同而停止，其中 K是一個給定的整數(shù)，表示算法已經(jīng)收斂，不再需要繼續(xù)； 3 目標(biāo)值控制規(guī)則，給定優(yōu)化問題（目標(biāo)最小化）的一個下界和一個誤差值，當(dāng)算法得到的目標(biāo)值同下界之差小于給定的誤差值時，算法終止 。? 達(dá)到預(yù)定的迭代步數(shù)，或出現(xiàn) 停滯現(xiàn)象 （所有螞蟻都選擇同樣的路徑，解不再變化），則算法結(jié)束，以當(dāng)前最優(yōu)解作為問題的解輸出。? （ 1）其原理是一種正反饋機(jī)制或稱增強(qiáng)型學(xué)習(xí)系統(tǒng)； 它通過信息素的不斷更新達(dá)到最終收斂 于近似最 優(yōu)路徑上；? （ 2）它是一種通用型隨機(jī)優(yōu)化方法； 但人工螞蟻決不是對實(shí)際螞蟻的一種簡單模擬，它融進(jìn)了人類的智能；? （ 3）它是一種分布式的優(yōu)化方法； 不僅適合目前的串行計算機(jī)，而且適合未來的并行計算機(jī)；? （ 4）它是一種全局優(yōu)化的方法； 不僅可用于求解單目標(biāo)優(yōu)化問題，而且可用于求解多目標(biāo)優(yōu)化問題；? （ 5）它是一種啟發(fā)式算法； 計算復(fù)雜性為 O(NC*m*n2)，其中 NC 是迭代次數(shù)， m 是螞蟻數(shù)目， n 是目的節(jié)點(diǎn)數(shù)目。蟻 群算法的提出? 人工蟻群算法基于以上蟻群尋找食物時的最優(yōu)路徑選擇問題，可以構(gòu)造人工蟻群，來解決最優(yōu)化問題，如 TSP問題。蟻 群算法的提出本圖為從開始算起，經(jīng)過 18個時間單位時的情形：走 ABD的螞蟻到達(dá)終點(diǎn)后得到食物又返回了起點(diǎn) A，而走 ACD的螞蟻剛好走到 D點(diǎn)。最后，經(jīng)過一段時間運(yùn)行，就可能會出現(xiàn)一條最短的路徑被大多數(shù)螞蟻重復(fù)著。蟻群算法的背景? 仿生算法? 集群智能算法? 概率型算法遺傳算法、進(jìn)化算法粒子群算法（課程
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1