【正文】 590485大米0000該啤酒企業(yè)要求的啤酒原料配方各項(xiàng)生產(chǎn)指標(biāo)主要有5個(gè)約束條件：（1）保證糟層的厚度不低于22cm。(2)保證麥汁氨基氮的含量在160mg/L～210mg/L范圍內(nèi)。(3)保證麥汁總可溶性氮含量在650mg/L～1000mg/L范圍內(nèi)；（4）保證麥汁葡萄糖含量90mg/L～250mg/L范圍內(nèi)；（5）保證原料的糖化力在1600WK/kg～2100WK/kg范圍內(nèi)。參考該啤酒企業(yè)的原料配方設(shè)計(jì)手冊(cè)，定義算法所研究問(wèn)題的數(shù)學(xué)模型如下：目標(biāo)函數(shù)為最低成本函數(shù)： （14）約束條件為各種期望生產(chǎn)指標(biāo)： （15） （16） （17） （18） （19） 在以上各式中，表示一批次所需要的啤酒原料總質(zhì)量；表示過(guò)濾槽設(shè)備的直徑；表示第種原料的成本單價(jià)；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。優(yōu)化的最終目標(biāo)就是實(shí)現(xiàn)原料的總成本最低，即定義函數(shù)為最終目標(biāo)函數(shù)。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?jī)?yōu)化問(wèn)題，由于從0到100％之間有無(wú)窮多個(gè)節(jié)點(diǎn)，如果讓螞蟻在0～100％范圍內(nèi)逐個(gè)進(jìn)行訪(fǎng)問(wèn)的話(huà)，必然會(huì)造成龐大的計(jì)算量而無(wú)限延長(zhǎng)計(jì)算時(shí)間，求解的結(jié)果也會(huì)比較分散，因此無(wú)法用傳統(tǒng)的蟻群算法對(duì)其進(jìn)行研究，必須把原料用量正交離散化處理。在對(duì)研究對(duì)象進(jìn)行正交離散化處理的過(guò)程中，根據(jù)啤酒原料營(yíng)養(yǎng)標(biāo)準(zhǔn)手冊(cè)和相關(guān)實(shí)踐經(jīng)驗(yàn)確定幾個(gè)對(duì)試驗(yàn)指標(biāo)效果影響比較大的因素?cái)?shù)以及水平數(shù)。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(yàn)設(shè)計(jì)中的六個(gè)因素，每種原料可確定五個(gè)用量比例等級(jí)，根據(jù)相關(guān)配方手冊(cè)和實(shí)踐經(jīng)驗(yàn)，啤酒原料用量的最佳比例應(yīng)該在這五個(gè)數(shù)量比例范圍之內(nèi)，然后將其作為正交設(shè)計(jì)中的五個(gè)水平，即6因素5水平的正交試驗(yàn)。采用正交表，創(chuàng)建正交離散配方搜索圖，產(chǎn)生30個(gè)正交離散點(diǎn)，進(jìn)行25次試驗(yàn)，并產(chǎn)生25個(gè)初始配方組合，即產(chǎn)生25條初始化優(yōu)化路徑。： 各原料參數(shù)正交試驗(yàn)水平表因素水平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(jì)的數(shù)學(xué)模型采用基于正交離散過(guò)程的蟻群算法求解程序， 正交離散過(guò)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(shí)踐經(jīng)驗(yàn)從研究對(duì)象中挑選6個(gè)因素，構(gòu)建正交離散原料配方搜索圖，由此可產(chǎn)生30個(gè)正交離散節(jié)點(diǎn)，形成25個(gè)初始化優(yōu)化路徑。（2）讓初始螞蟻在這25條試驗(yàn)路徑上初始化一定量的信息素，優(yōu)化路徑設(shè)置，運(yùn)行螞蟻根據(jù)此信息素強(qiáng)度尋優(yōu)，將試驗(yàn)對(duì)象正交離散化。（3）讓m只螞蟻從start點(diǎn)開(kāi)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。（4）排除不滿(mǎn)足該企業(yè)生產(chǎn)指標(biāo)的不可行方案，然后按照公式（14）計(jì)算可行方案的目標(biāo)函數(shù)值并保存其最小值，把方案記為當(dāng)前最好方案。（5）對(duì)于找到可行方案的螞蟻所經(jīng)過(guò)的路徑按照公式（9）、（10）和（11）進(jìn)行信息素局部和全局更新優(yōu)化。（6）若滿(mǎn)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。在運(yùn)算時(shí)可采用以下參數(shù)值：配方搜索圖上節(jié)點(diǎn)個(gè)數(shù),信息素?fù)]發(fā)系數(shù)，信息素痕跡強(qiáng)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(shí)際生產(chǎn)情況，一個(gè)批次所需的啤酒原料總質(zhì)量,過(guò)濾槽設(shè)備的直徑。采用正交離散過(guò)程的蟻群算法獨(dú)立進(jìn)行20次迭代優(yōu)化，： 啤酒原料最佳優(yōu)化配方詳細(xì)配方啤酒原料用量寧麥澳麥％寧麥哈默林％寶應(yīng)甘三％九得利KA4B％九源甘三％寧麥加麥％小麥％大米55％約束條件營(yíng)養(yǎng)水平含量糖化力氨基氮葡萄糖麥汁總氮糟層厚度配方總成本37685元采用正交離散過(guò)程的蟻群算法獲得的最低成本為37685元，而目前該企業(yè)所采用的配方原料成本為40048元，優(yōu)化后明顯降低了成本，各種生產(chǎn)指標(biāo)也符合相關(guān)營(yíng)養(yǎng)標(biāo)準(zhǔn)的要求。由此可見(jiàn)，采用正交離散過(guò)程的蟻群算法在啤酒原料配方優(yōu)化問(wèn)題中的應(yīng)用取得了令人滿(mǎn)意的效果，其工業(yè)應(yīng)用價(jià)值非常好，在一定程度上提高了企業(yè)生產(chǎn)效率。與傳統(tǒng)的基本蟻群算法相比，該優(yōu)化算法大大提高了執(zhí)行效率，同時(shí)為蟻群算法更好地解決連續(xù)域變量問(wèn)題提供了一種可行的參考方法。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(duì)傳統(tǒng)蟻群算法耗時(shí)長(zhǎng)、收斂慢、執(zhí)行效率低等缺陷，提出了基于正交離散過(guò)程的蟻群算法。介紹了該優(yōu)化算法的基本原理，并提出了該算法的具體實(shí)現(xiàn)辦法和步驟。通過(guò)在啤酒原料配方設(shè)計(jì)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(shí)際連續(xù)域變量問(wèn)題中發(fā)揮了非常重要的作用，該令人滿(mǎn)意的驗(yàn)證結(jié)果為蟻群算法在解決連續(xù)域變量問(wèn)題方面開(kāi)辟了一種可供參考的方法。 展望自蟻群算法創(chuàng)立這么多年以來(lái)，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。針對(duì)自然界中真實(shí)蟻群的其他許多智能行為，用發(fā)散思維和逆向思維開(kāi)發(fā)不同的蟻群算法模型是一條新的研究思路；同時(shí)，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(gè)挑戰(zhàn)性的研究方向；此外，在研究蟻群算法的并行實(shí)現(xiàn)問(wèn)題方面，還需要解決在蟻群算法并行化過(guò)程中對(duì)并行計(jì)算模型的選擇、映射方法的改進(jìn)、蟻群算法的分解等問(wèn)題，這些問(wèn)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(jìn)一步拓寬應(yīng)用領(lǐng)域，對(duì)于如何抽象實(shí)際問(wèn)題，使蟻群算法的求解結(jié)果更接近于實(shí)際工程意義是廣大蟻群算法學(xué)者們所關(guān)注的一個(gè)重要問(wèn)題。致 謝 首先，在此畢業(yè)論文完成之際，我要深深地感謝我們組的指導(dǎo)老師張老師耐心地指導(dǎo)我順利地完成論文，感謝老師給了我這樣一個(gè)寶貴的學(xué)習(xí)機(jī)會(huì)。張老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、實(shí)事求是的學(xué)術(shù)作風(fēng)、敏銳的洞察力和忘我的工作熱情，深深地影響感染了我。在我完成畢業(yè)論文的過(guò)程中所取得的每一點(diǎn)進(jìn)步，都離不開(kāi)張老師的悉心教導(dǎo)。在這一段時(shí)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。在此，謹(jǐn)向我的導(dǎo)師張老師致以最誠(chéng)摯的敬意和最衷心的感謝! 此外，感謝機(jī)電工程學(xué)院的各位老師們這幾年對(duì)我的指導(dǎo)、教育和培養(yǎng)，特別感謝我們組的各位同學(xué)，論文的順利完成與你們的無(wú)私幫助和支持是分不開(kāi)的，與你們相處的這一段快樂(lè)充實(shí)的時(shí)光讓我難以忘懷，在與大家合作的過(guò)程中深深地體會(huì)到了團(tuán)隊(duì)合作的重要性。最后，感謝老師們和同學(xué)們對(duì)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(guò)我的人!參考文獻(xiàn)[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(bào)，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(bào)，2004,6，12（6）:103106.[5] 鄭松，侯迪波，唐旭華，葉波，周澤魁. 一種改進(jìn)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(bào)，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(jìn)展 [J]. 計(jì)算機(jī)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(chéng)，葛銘. 啤酒原料配方的蟻群優(yōu)化設(shè)計(jì)研究 [J].計(jì)算機(jī)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(jìn)展和展望 [J].計(jì)算機(jī)應(yīng)用研究，2007,8,24（4）：43544239