【正文】 在此，謹(jǐn)向我的導(dǎo)師張老師致以最誠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私幫助和支持是分不開的，與你們相處的這一段快樂充實(shí)的時(shí)光讓我難以忘懷，在與大家合作的過程中深深地體會(huì)到了團(tuán)隊(duì)合作的重要性。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)。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。采用正交離散過程的蟻群算法獨(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)營養(yǎng)標(biāo)準(zhǔn)的要求。（4）排除不滿足該企業(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。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。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)。不同原料具有各自不同的營養(yǎng)參數(shù)屬性，： 啤酒原料營養(yǎng)參數(shù)標(biāo)準(zhǔn)麥芽品種單價(jià)/（元/kg）產(chǎn)槽率/（L/kg）氨基氮/（mg/100g）總可溶性氮/（mg/100g）葡萄糖/（mg/100g）糖化力/（WK/100g）寧麥加麥2180695155335寧麥澳麥2165650125350寧麥哈默林3205795120405九源甘三2200805175320九得利KA4B3205795210405寶應(yīng)甘三3206796185410小麥麥芽195105590485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。下面以啤酒原料配方設(shè)計(jì)為例對正交離散過程蟻群算法進(jìn)行仿真應(yīng)用驗(yàn)證。 第六步：動(dòng)態(tài)地進(jìn)行信息素局部和全局更新優(yōu)化，以提高尋優(yōu)效率。 第三步：根據(jù)正交設(shè)計(jì)優(yōu)化路徑設(shè)置，將研究對象正交離散化處理。 正交離散過程蟻群算法的數(shù)學(xué)模型目標(biāo)函數(shù)根據(jù)所研究問題的實(shí)際限定因素而設(shè)定，例如：目標(biāo)函數(shù)： (12)表示經(jīng)濟(jì)目標(biāo)比如最大利潤、最低成本等；表示各種原料的價(jià)格系數(shù)；表示各種原料在配方中的比例（）；n為變量數(shù)。當(dāng)所有的螞蟻遍歷完所有的節(jié)點(diǎn)之后，按照以下的公式進(jìn)行信息素全局更新： （9） （10）其中參數(shù)（）是信息素衰減系數(shù)，表示試驗(yàn)開始至今所找到的全局最短路徑的長度。參數(shù)要根據(jù)路徑信息素分布情況和尋優(yōu)目標(biāo)適時(shí)地進(jìn)行調(diào)節(jié)，這樣可以發(fā)揮在選擇節(jié)點(diǎn)、尋找最優(yōu)解過程中的作用。S是根據(jù)以下的概率公式（8）計(jì)算得來的隨機(jī)變量。 1）偽隨機(jī)比例規(guī)則：該規(guī)則主要是在螞蟻探索一條新路徑和根據(jù)螞蟻所積累的搜索經(jīng)驗(yàn)開發(fā)一條新路徑這兩者之間保持體一種平衡狀態(tài)。 正交離散過程蟻群算法的尋優(yōu)過程在正交優(yōu)化過程中，螞蟻主要有初始螞蟻和運(yùn)行螞蟻兩種。，也就是說螞蟻?zhàn)钣锌赡茉谶@已經(jīng)初始化一定信息素的9條路徑中搜索到最優(yōu)解，即配方組合有可能是最優(yōu)解。創(chuàng)建正交試驗(yàn)表，: 因素水平正交試驗(yàn)分配方案表因素試驗(yàn)編號(hào)ABCD1A1B1C1D12A1B2C2D23A1B3C3D34A2B1C2D35A2B2C3D16A2B3C1D27A3B1C3D28A3B2C1D39A3B3C2D1，一只螞蟻從Start點(diǎn)開始出發(fā)，逐步經(jīng)過每個(gè)品種上的正交離散節(jié)點(diǎn)，最后到達(dá)代表最后一個(gè)品種的end點(diǎn)，完成一次循環(huán)就形成一個(gè)完整的配方，多只螞蟻循環(huán)上述過程便形成多種配方組合。（6）。： 0100％各原料所占的質(zhì)量分?jǐn)?shù) 原料正交離散及配方搜索圖Startend品種因素 為了能夠有效運(yùn)用正交離散的蟻群算法，這樣就大大縮小了搜索范圍，在很大程度上改善了尋優(yōu)性能，極大縮短了計(jì)算時(shí)間。設(shè)原料品種（）為橫坐標(biāo)，原料用量為，原料品種所占的比例從0～100％連續(xù)均勻變化，屬于典型的連續(xù)域變量問題。 基于正交離散過程的蟻群算法 正交離散過程蟻群算法的基本原理傳統(tǒng)基本蟻群算法在實(shí)際應(yīng)用中主要是解決離散域的組合優(yōu)化問題，而難于解決連續(xù)域變量的函數(shù)優(yōu)化問題，在原料配方設(shè)計(jì)等連續(xù)變量領(lǐng)域中應(yīng)用困難。（9）。（5）。4）整齊可比性：整齊可比是指各個(gè)因素的各個(gè)水平之間具有可比性。正交表的基本性質(zhì)如下：1）正交性：在正交表中任意一列中，某因素的所有水平都出現(xiàn)，且出現(xiàn)的次數(shù)是相等的，在任意兩列之間，兩因素的各種不同水平組合都出現(xiàn)，并且出現(xiàn)的次數(shù)也相等。因此它們能很好地代表27次全面試驗(yàn)的情況，這就是正交試驗(yàn)設(shè)計(jì)的優(yōu)點(diǎn)。（9）。（5）。—1 全面試驗(yàn)的數(shù)據(jù)試驗(yàn)點(diǎn)分布由圖可見：全面試驗(yàn)數(shù)據(jù)均勻分布，各個(gè)因素水平全面搭配，缺點(diǎn)就是試驗(yàn)次數(shù)太多，如果是5因素4水平試驗(yàn)，全面試驗(yàn)的話就要進(jìn)行次試驗(yàn)，這會(huì)因?qū)嶒?yàn)條件的實(shí)際限制而難于實(shí)施，因此全面試驗(yàn)適用于因素水平數(shù)不多的情況下。它是從全面試驗(yàn)的全部水平組合中，挑選出一部分代表性很強(qiáng)的水平組合進(jìn)行試驗(yàn)，通過分析這部分有代表性水平組合的試驗(yàn)結(jié)果，來了解全面試驗(yàn)的情況，減少試驗(yàn)次數(shù)，從而找出最優(yōu)水平組合。但在實(shí)際生產(chǎn)過程中要研究許多因素多水平對產(chǎn)品指標(biāo)的影響。（９）如果滿足結(jié)束條件，即循環(huán)次數(shù)，則本次循環(huán)結(jié)束，輸出程序計(jì)算的最佳結(jié)果，否則清空禁忌表并跳轉(zhuǎn)到第（２）步。（５）螞蟻個(gè)體根據(jù)狀態(tài)轉(zhuǎn)移概率公式（１）選擇下一個(gè)元素ｊ，然后繼續(xù)往前搜索移動(dòng)，此時(shí)。 基本蟻群算法的具體實(shí)現(xiàn) 基本蟻群算法的實(shí)現(xiàn)步驟 基本蟻群算法的具體實(shí)現(xiàn)步驟如下：（１）令初始時(shí)刻循環(huán)次數(shù)，設(shè)最大循環(huán)次數(shù)為，將ｍ個(gè)螞蟻隨機(jī)放在ｎ個(gè)元素節(jié)點(diǎn)上，設(shè)每條路徑（ｉ，ｊ）的初始化信息量（Ｗ為常數(shù)），初始時(shí)刻設(shè)置每條路徑上的信息素增量。自組織性增強(qiáng)了算法的魯棒性。分布式特征增強(qiáng)了蟻群算法的可靠性。在基本蟻群算法中，多只螞蟻的求解結(jié)果明顯好于單只螞蟻的求解結(jié)果，因此基本蟻群算法是一個(gè)系統(tǒng)。在AntCycle模型中 （４）式（４）中,L表示第k只螞蟻在本次循環(huán)中所經(jīng)過路徑的總長度，Q為常數(shù)，指信息素強(qiáng)度，表示的是螞蟻在本次循環(huán)中釋放在所經(jīng)過路徑上的信息素總量。表示螞蟻k在本次循環(huán)中在路徑（i,j）上的信息素增量。在搜索當(dāng)中, 螞蟻根據(jù)狀態(tài)轉(zhuǎn)移概率來選擇各條路徑上的城市節(jié)點(diǎn)。 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，TSP問題就是給定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，找出一條最短的巡游路徑。（b）所示，在螞蟻運(yùn)動(dòng)路線上有障礙物出現(xiàn)時(shí)，開始時(shí)各只螞蟻均勻分布，不管路徑是長是短，螞蟻先隨機(jī)選擇各條路徑。螞蟻?zhàn)哌^的路徑越長，所釋放的信息素就越少。分析了正交試驗(yàn)設(shè)計(jì)的基本原理、正交離散的基本原理、特點(diǎn)，以及正交離散過程蟻群算法實(shí)現(xiàn)尋優(yōu)過程的尋優(yōu)規(guī)則、數(shù)學(xué)模型，并分析了該改進(jìn)型蟻群算法在啤酒原料配方設(shè)計(jì)方面的仿真應(yīng)用等內(nèi)容。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