【正文】 實(shí)驗(yàn)結(jié)論首先把啟發(fā)式算法和基于蟻群的方法的比較. 然后，和并行獨(dú)立的TS比較，作為訪問蟻群的合作范式. 通過根據(jù)這些比較，討論來自局部搜索和螞蟻合作的相關(guān)收獲. 通過實(shí)驗(yàn)的結(jié)果表明，與和并行的獨(dú)立相比，因?yàn)轭l率矩陣的使用，在開發(fā)信息素矩陣和其更新階段/并且通過多樣化階段對螞蟻的合作的機(jī)制進(jìn)行了改進(jìn)，同時通過了使用的基于局部的搜索的步驟，并且增強(qiáng)了每一只螞蟻搜索的過程，從而使具有的局部的搜索并行的蟻群的算法性能有相對顯著提高. 因此，這就充分表明將相對強(qiáng)有力局部的搜索、類螞蟻合作和并行相結(jié)合帶來的明顯好處. 同并行TS算法比較，證明了在并行啟發(fā)式算法里合作的使用更加廣泛. 改進(jìn)的蟻群算法在熱電聯(lián)產(chǎn)經(jīng)濟(jì)調(diào)度中的應(yīng)用 熱電聯(lián)產(chǎn)經(jīng)濟(jì)調(diào)度問題的描述 一個系統(tǒng)的熱點(diǎn)聯(lián)產(chǎn)（CHP）調(diào)度問題就是要決定單位熱電聯(lián)產(chǎn)量，以便當(dāng)熱電要求和其他約束要求得到滿足的時候，系統(tǒng)的生產(chǎn)成本最小. 電力單位和熱單元的動力輸出受限于它們自己的上限和下限最小化 （37）服從于 （38）其中c是單位生產(chǎn)成本；p是單位發(fā)電量；h是單位產(chǎn)熱量；、分別是系統(tǒng)對熱、電的要求；i，j，k分別是系統(tǒng)的電單位、協(xié)作生產(chǎn)單位和熱單位的指數(shù)；，是上述單位的數(shù)量；，，是對單位電能力和熱能力的限制. 在一個聯(lián)合循環(huán)協(xié)作生產(chǎn)單位的熱電可行性區(qū)域中，電輸出和熱輸出受限于它們各自的上下限，在某些情況下，變化一個影響另一個. 很明顯，CHP經(jīng)濟(jì)調(diào)度中特別約束間的相互依賴具有復(fù)雜性. 改進(jìn)蟻群算法的技術(shù)1. 處理不同約束的系統(tǒng)化方法 在一個更普遍的形式中，考察具有約束的CHP 優(yōu)化問題如下：最小化，服從于0，1，…，m，其中m是約束的數(shù)量. 然后，等價的非約束優(yōu)化問題可以描述為最小化 (39) 將懲罰函數(shù)設(shè)置成目標(biāo)函數(shù)，它懲罰任何對于約束的違背，強(qiáng)迫非約束優(yōu)化朝著可行的區(qū)域進(jìn)行. 獎懲函數(shù)p（x）定義如下， （310）其中是懲罰參數(shù)，被認(rèn)為是懲罰因子. 依靠違背的水平，相應(yīng)地變化. 在這種方法中，起著關(guān)鍵的作用，它的定義如下 （311）其中和根據(jù)下面兩個原則定義. （1）參數(shù)根據(jù)對約束偏離的程度而改變 于是，引入一個基于約束的新的距離來更好地平衡搜索收斂和可行性要求之間沖突的必要條件. 當(dāng)函數(shù)有上、下限時，以同樣的方式處理對于邊界約束的違背是非常重要的. 否則，如果對于一邊的懲罰超過另一邊，將會引起種群向懲罰少的方面轉(zhuǎn)移. 其次，構(gòu)建一個懲罰函數(shù)不僅要綜合約束方程中的信息，而且要綜合關(guān)于多遠(yuǎn)的解不在可行性區(qū)域的信息. 通過對每一個約束賦予一個距離，其值作為一個獎懲系數(shù)，我們能充分考慮這兩個重點(diǎn). 當(dāng)與可行性區(qū)域的距離下降時，獎懲系數(shù)也單調(diào)地下降. 連接加權(quán)系數(shù)與距離最直接的方法是通過一個線性方程 （312）其中的實(shí)際值依賴于特定的應(yīng)用. （2） 考慮到螞蟻的進(jìn)化過程，通過循環(huán)改進(jìn)解 于是，可以采用一個與退火時間表相似的方法去減少懲罰函數(shù)對于連續(xù)迭代的影響，獎懲函數(shù)直接隨著生產(chǎn)的數(shù)量變化. 通過迭代的下降到零來完成這個工作. 經(jīng)過一定數(shù)量的循環(huán)后發(fā)生作用. 這將保證僅有一個目標(biāo)函數(shù)最終最小化到帶有一個可行性方案，而不是產(chǎn)生一個底邊帶的一個不可行解決方案. 2 連續(xù)的搜索空間 為了在CHP經(jīng)濟(jì)調(diào)度問題中應(yīng)用蟻群搜索算法（ACSA），需要設(shè)計(jì)一個離散的巢穴周圍結(jié)構(gòu). 如圖39所示，從一些基本點(diǎn)出發(fā)的有限的方向作為矢量，這些矢量隨著螞蟻的適應(yīng)度進(jìn)行時間進(jìn)化. 巢穴位置搜索方向圖39 二維巢穴領(lǐng)域模型 在交換問題中，成對的交換經(jīng)常用來定義鄰居，確定從一個答案到另一個答案的移動. 使用ACSA解決PED問題的基本觀點(diǎn)是將動力從一個發(fā)電機(jī)轉(zhuǎn)移到另一個，同時維持動力的平衡. 每一個螞蟻的材料結(jié)構(gòu)都包含每一個發(fā)電機(jī)的細(xì)節(jié)，如產(chǎn)生的電，燃料的成本、發(fā)電機(jī)的轉(zhuǎn)換等. 與每一次轉(zhuǎn)換相關(guān)聯(lián)的是移動值，它代表了目標(biāo)函數(shù)值中提出的交換結(jié)果的變化. 移動值對于估價移動的質(zhì)量提供一個基礎(chǔ). 令每一個中間的移動，一只螞蟻將移向一個不穩(wěn)定的狀態(tài)，停在一個穩(wěn)定的狀態(tài). 在成長的交換中，流動的方向在解決收斂中起著重要的作用. 盡管螞蟻貪婪的天性趨向于朝著更好適應(yīng)度的方向移動，增加一個百分比預(yù)定的噪聲影響一個螞蟻的判斷，它的影響與遺傳算法中交叉算子的作用是相同的，維持搜索的多樣性. 通過探索新的可能解決方案既有利于更理想的結(jié)果，又阻止螞蟻重復(fù)相同的移動. 另一方面，蟻群中有比狀態(tài)更多的螞蟻，不止一只螞蟻在同一個穩(wěn)定的狀態(tài)上是可能的. 最壞的情形是，如果這個路徑是非常良好的話，則大多數(shù)螞蟻尋求同樣的路徑，最后導(dǎo)致停滯行為. 為了阻止大多數(shù)螞蟻簇?fù)碓谕粋€穩(wěn)定狀態(tài)，將分類禁止最近參觀過的地點(diǎn)，這個想法是由禁忌搜索激發(fā)產(chǎn)生的. 分類依靠搜索的歷史，特別地說明了參與產(chǎn)生過去方案的屬性的頻率. 實(shí)驗(yàn)結(jié)論改進(jìn)的基于分布自觸發(fā)式過程的搜索算法ACSA采用了一個雙重遺傳的過程，在微進(jìn)化層次上有一些螞蟻，可以用一組行為軌跡來描述. 在過程的每一步中，每一個留下它行動的痕跡，并概率式地改變了它未來要做的決定；在宏進(jìn)化層次上，個體螞蟻繼承了“女王”的經(jīng)驗(yàn)，并加以歸納. 大量并行的螞蟻合作使得螞蟻能夠越過局部優(yōu)化，容易地辨別正確的串，然后找到一個好的方案. ACSA的性能通過對CHP經(jīng)濟(jì)調(diào)度問題的數(shù)字測試表明，結(jié)果是令人滿意的. 結(jié) 論、生活中的復(fù)雜問題,從而能夠解決模糊、不確定和復(fù)雜的實(shí)際問題.智能算法在許多領(lǐng)域取得了豐碩的成果,隨著對智能算法理論的不斷研究,將會在庚廣泛的領(lǐng)域中發(fā)揮其作用.本課題主要研究了一下幾方面：第一部分研究了智能算法的原理及優(yōu)化問題，通過遺傳算法、蟻群算法、模擬退火法來解釋智能算法的概念，并通過與優(yōu)化問題的結(jié)合體現(xiàn)智能算法在解決問題時的特性. 第二部分研究了遺傳算法概念特點(diǎn)及分類. 通過與傳統(tǒng)優(yōu)化方法的比較給出智能算法的概念，并對其特點(diǎn)進(jìn)行了分析，最后給出常見的幾種智能算法. 第三部分主要研究了蟻群算法在優(yōu)化問題中的應(yīng)用. 首先研究了蟻群算法在函數(shù)極值問題中的應(yīng)用，其次通過螞蟻系統(tǒng)和局部搜索方法相結(jié)合解決二次分配問題、通過改進(jìn)蟻群算法的技術(shù)熱電聯(lián)產(chǎn)經(jīng)濟(jì)調(diào)度問題，充分利用了蟻群優(yōu)勢，利用信息素來解決優(yōu)化問題. 參考文獻(xiàn)[1] [M].計(jì)算機(jī)測量與控制，2003,11（12）:130144.[2] 楊沛，[J].昆蟲知識，2000,38（1）:5678.[3] ：基于自然選擇法則的計(jì)算機(jī)程序設(shè)計(jì)[M].科學(xué)出版社,1985:8996.[4] J. Holland. 自然界和人工系統(tǒng)的適應(yīng)性[M].北京科學(xué)出版社，1975:167188.[5] [J].昆明理工大學(xué)學(xué)報(理工版),2003:4547.[6] [M].計(jì)算機(jī)仿真,2006:3640.[7] 方劍，[J].控制理論與應(yīng)用，1997，14（4）:8890.[8] 王穎，[J].系統(tǒng)仿真學(xué)報，2002,14（1）:346356.[9] 吳少巖，羅鐵庚，（二）——基于自然選擇的程序設(shè)計(jì)泛型[J].,01期:3444.[10]DCosta, Colour the Opnl[M].,1997,4,48(3):6779.[11] Zimmerman H Sets and Its Applications[M].KluwerNijhoff Publishing,1986:7887.[12] Kosbo Networks and Kuzzy Systems[M].Prentice Hall,1992 :6990.[13] 王小平，——理論、應(yīng)用于軟件實(shí)現(xiàn)[M].:145177.[14] 段海濱. 蟻群算法原理及其應(yīng)用[M]. 科學(xué)出版社，2005:123156.[15] [M].清華大學(xué)出版社，2001:125130.[16] [M].清華大學(xué)出版社，2003:4768.致 謝通過這次撰寫論文,面對許多實(shí)際問題已不再茫然,因?yàn)槲夷軌虬颜n本中理論而抽象的知識與現(xiàn)實(shí)結(jié)合起來. 我很感謝我的母校,是您讓我有機(jī)會真正了解更深內(nèi)容的含義,給我開啟了通往前途的大門,拓寬了視野,增長了見識。感謝教育我四年的老師們,是你們讓我學(xué)到了寶貴的知識,讓我能夠與實(shí)際工作結(jié)合起來快速提高,讓我能夠取長補(bǔ)短,逐漸成熟. 更要感謝我的論文指導(dǎo)老師，是您在我論文遇到困惑的時候，給予我最大的幫助.