【正文】 的節(jié)點(diǎn)后，再按照全局信息素更新規(guī)則對所經(jīng)過的路徑進(jìn)行信息素更新。根據(jù)專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，通過對所研究問題的具體分析，明確哪幾個(gè)因素及其哪幾個(gè)水平對試驗(yàn)指標(biāo)的影響比較大，然后再挑選這幾種因素及其水平進(jìn)行試驗(yàn)。（5）。以原料配方設(shè)計(jì)為例進(jìn)一步說明正交離散過程的蟻群算法。（8）。3）獨(dú)立性：正交表中沒有完全重復(fù)的水平組合，從全部試驗(yàn)組合中挑選的這一部分試驗(yàn)組合沒有重復(fù)試驗(yàn)的情況，在討論某一因素時(shí)，不用考慮其他因素的影響，正交表中的試驗(yàn)方案能夠綜合處理大量信息。所選的這9個(gè)試驗(yàn)點(diǎn)具有很強(qiáng)的代表性，能夠比較全面地反映整個(gè)選優(yōu)區(qū)內(nèi)的基本情況。（4）。正交試驗(yàn)設(shè)計(jì)則是利用正交表來安排與分析多因素試驗(yàn)的一種設(shè)計(jì)方法。（８）根據(jù)路徑上信息量更新公式（２）和信息量變化公式（３）更新每條路徑（ｉ，ｊ）上的信息量。以上從系統(tǒng)學(xué)的角度分析了蟻群算法的機(jī)理，可見蟻群算法體現(xiàn)出許多不同于常規(guī)算法的新思想，這也正是基本蟻群算法在系統(tǒng)學(xué)上的研究意義所在。3）自組織性如果系統(tǒng)在獲得時(shí)間的、空間的或者功能的結(jié)構(gòu)過程中，沒有外界的特定干預(yù)，則稱該系統(tǒng)是自組織的。 基本蟻群算法的系統(tǒng)學(xué)特征1）基本蟻群算法是一個(gè)系統(tǒng)系統(tǒng)可以定義為處于一定的相互關(guān)系中并與環(huán)境發(fā)生關(guān)系的各組成部分的綜合體。為了避免殘留信息素過多而引起殘留信息淹沒啟發(fā)信息，在每只螞蟻?zhàn)咄暌徊交蛘邔λ衝個(gè)城市遍歷完（也即一個(gè)循環(huán)結(jié)束）后，要對殘留信息進(jìn)行更新處理。 基本蟻群算法數(shù)學(xué)模型的建立蟻群算法首先成功應(yīng)用于TSP問題，其形象描述是：給定n個(gè)城市與城市之間的距離，某一旅行商從某一城市出發(fā)，逐個(gè)訪問各個(gè)城市一次且僅一次后再回到原來出發(fā)的城市，找出一條最短的迅游路徑。螞蟻?zhàn)哌^的路徑越長，所釋放的信息量就越少。2）本文的體系結(jié)構(gòu)：本文全面地介紹了蟻群算法的理論、方法及其具體實(shí)現(xiàn)，按照分析、深化、改進(jìn)、仿真應(yīng)用的邏輯結(jié)構(gòu)進(jìn)行安排，本文共分為四章，其內(nèi)容基本上構(gòu)成了一個(gè)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(jìn)展，同時(shí)列舉了部分改進(jìn)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)。目前，蟻群算法已經(jīng)成為國際智能計(jì)算領(lǐng)域中備受關(guān)注的研究熱點(diǎn)和前沿性課題。 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。畢 業(yè) 論 文 20XX 屆 XXXXXXXXXXXXXX 專業(yè) XXXXXXX 班級(jí)題 目 基于正交離散過程的蟻群算法 姓 名 XXX 學(xué)號(hào) XXXXXXXXXXXXX 指導(dǎo)教師 XXXX 職稱 XXXX 二О一 四 年 五 月 七 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進(jìn)化算法，其靈感來源于真實(shí)蟻群的覓食機(jī)理，這種思想吸收了螞蟻群體有規(guī)律的行為，通過對真實(shí)蟻群搜索食物過程的模擬來完成對問題的求解。 Dynamical transfer rules are used to construct the new paths。國際著名頂級(jí)學(xué)術(shù)期刊《Nature》曾多次對蟻群算法的研究成果進(jìn)行報(bào)道，《Future Generation Computer Systems》和《IEEE Transactions On Evolutionary Computation》分別在2000年和2002年出版了蟻群算法特刊，在布魯塞爾每兩年召開一次的蟻群算法國際研討會(huì)進(jìn)一步促進(jìn)了這一智能計(jì)算領(lǐng)域的學(xué)術(shù)交流，從而使這種新興的仿生優(yōu)化算法展現(xiàn)出勃勃生機(jī)和廣闊的發(fā)展前景。將基于正交離散過程的蟻群算法應(yīng)用于啤酒原料配方設(shè)計(jì)實(shí)踐中，取得了非常好的效果，從而開辟了一種解決連續(xù)域變量問題的求解方法。當(dāng)它們碰到一個(gè)陌生路口時(shí)，就隨機(jī)地挑選一條路徑前進(jìn)，同時(shí)釋放出一定強(qiáng)度與路徑長度相關(guān)的信息素。 現(xiàn)實(shí)中蟻群尋找食物的過程 由上述可見，在整個(gè)尋優(yōu)過程中，雖然單只螞蟻的尋優(yōu)能力有限，但是整個(gè)蟻群的行為通過信息素的作用便具有非常高的自組織性，螞蟻之間交換路徑信息素，最終通過螞蟻的正反饋機(jī)制找到最優(yōu)路徑。 是啟發(fā)函數(shù)，在TSP問題中，通常取=,表示相鄰兩個(gè)城市之間的距離，啟發(fā)函數(shù)表示螞蟻從城市i轉(zhuǎn)移到城市j的期望程度；=｛1,2,…,n｝表示不在中的那些城市的集合，也就是允許螞蟻下一步繼續(xù)尋找的城市集合。在AntQuantity模型中 （５） 在AntDensity模型中 （６）它們的區(qū)別在于：式（５）和（６）中利用的是局部信息，也就是螞蟻完成一步后更新路徑上的信息素；而式（４）中利用的是整體信息，也就是螞蟻完成一個(gè)循環(huán)后更新所有路徑上的信息素，在求解TSP問題時(shí)性能較好，因此通常采用式（４）作為蟻群算法的基本模型。分布式特征增強(qiáng)了蟻群算法的可靠性。蟻群算法的反饋方式是在較優(yōu)路徑上留下更多的信息素，而更多的信息素又吸引了更多的螞蟻，此過程引導(dǎo)整個(gè)系統(tǒng)不斷地向最優(yōu)解的方向進(jìn)化。（７）若集合中元素未遍歷完，即ｋ＜ｍ，則跳轉(zhuǎn)到第（４）步，否則執(zhí)行第（８）步。例如有5個(gè)因素，每個(gè)因素有4個(gè)水平，如果全面試驗(yàn)就要進(jìn)行次，則試驗(yàn)的規(guī)模將會(huì)大大增大，這樣不僅會(huì)給研究帶來很大的工作量, 而且也會(huì)浪費(fèi)大量的時(shí)間、原料、和財(cái)力。對于3因素3水平而言，設(shè)有A,B,C三個(gè)因素，A因素有三個(gè)試驗(yàn)水平，B因素有三個(gè)試驗(yàn)水平，C因素有三個(gè)試驗(yàn)水平，利用正交表 從27個(gè)試驗(yàn)點(diǎn)中挑選出來的9個(gè)試驗(yàn)點(diǎn)，這9個(gè)試驗(yàn)點(diǎn)為：（1）；（2）；（3）?！?所示:—2 正交試驗(yàn)設(shè)計(jì)的數(shù)據(jù)試驗(yàn)點(diǎn)分布 —2中可以看到，9個(gè)試驗(yàn)數(shù)據(jù)點(diǎn)在選優(yōu)區(qū)中分布是均衡的，在立方體的每個(gè)平面上恰好只有3個(gè)試驗(yàn)點(diǎn)，在立方體的每條線上恰好只有一個(gè)試驗(yàn)點(diǎn)?！?所示，在立方體中，每一平面內(nèi)只有3個(gè)數(shù)據(jù)試驗(yàn)點(diǎn)，每一條直線上只包含1個(gè)數(shù)據(jù)試驗(yàn)點(diǎn)，正交試驗(yàn)的試驗(yàn)點(diǎn)均衡地分布在全面試驗(yàn)點(diǎn)中。（7）。正交離散主要是將基本蟻群算法與正交試驗(yàn)設(shè)計(jì)相結(jié)合，通過正交設(shè)計(jì)形成正交離散點(diǎn)，使連續(xù)域問題離散化，讓螞蟻在正交試驗(yàn)得出的幾條優(yōu)化路徑中尋找最優(yōu)解，改進(jìn)了初始階段蟻群算法信息素隨機(jī)分布、路徑雜亂無章的缺點(diǎn)，最終可以取得滿意的結(jié)果。（4）。這12個(gè)正交離散點(diǎn)所組成的配方組合總共有種，而這81條路徑具有很強(qiáng)的代表性，它們代表了原料比例在1％～100％范圍內(nèi)全面試驗(yàn)的無窮多條路徑，也就是說這一部分正交試驗(yàn)代表了全面試驗(yàn)。螞蟻從start點(diǎn)出發(fā)進(jìn)行尋優(yōu)，結(jié)束于end點(diǎn)，在尋優(yōu)過程中，相鄰兩個(gè)因素的各個(gè)水平節(jié)點(diǎn)之間都存在連接路徑，螞蟻在各個(gè)水平節(jié)點(diǎn)之間按照動(dòng)態(tài)概率轉(zhuǎn)移規(guī)則構(gòu)造新的路徑，當(dāng)所有的螞蟻遍歷完后，就可以找出最優(yōu)解。偽隨機(jī)比例規(guī)則使螞蟻更傾向于選擇距離短且信息素強(qiáng)度高的路徑。實(shí)驗(yàn)表明，（是初始化信息素）時(shí)算法效果比較好。然后運(yùn)行螞蟻根據(jù)初始螞蟻建立的路徑信息素強(qiáng)度和啟發(fā)信息按照偽隨機(jī)比例規(guī)則運(yùn)行，進(jìn)行全局范圍內(nèi)的搜索尋優(yōu)移動(dòng)。以某企業(yè)所要求的具體生產(chǎn)指標(biāo)和原料種類為例對該算法進(jìn)行仿真驗(yàn)證。在對研究對象進(jìn)行正交離散化處理的過程中，根據(jù)啤酒原料營養(yǎng)標(biāo)準(zhǔn)手冊和相關(guān)實(shí)踐經(jīng)驗(yàn)確定幾個(gè)對試驗(yàn)指標(biāo)效果影響比較大的因素?cái)?shù)以及水平數(shù)。（6）若滿足結(jié)束條件，即如果循環(huán)次數(shù)，則循環(huán)結(jié)束，輸出程序計(jì)算的最佳結(jié)果。 展望自蟻群算法創(chuàng)立這么多年以來，在算法理論和算法應(yīng)用方面取得了很多突破性的進(jìn)展