【正文】 Email：gongyingying9。2011年7月畢業(yè)于南陽(yáng)師范學(xué)院數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)；2011年9月考入安徽理工大學(xué)理學(xué)院攻讀碩士學(xué)位。最后向參加論文審閱、答辯的專家和老師表示感謝和崇高的敬意。感謝馬毓嚀、馬春連、李閃閃、單靜怡等同學(xué)，在這三年的學(xué)習(xí)和生活中給予的幫助，不僅使我收獲了知識(shí)，還得到了許多友誼。感謝安徽理工大學(xué)三年來(lái)對(duì)我的教育與培養(yǎng)，感謝研究生部和理學(xué)院的各位老師幫助我完成學(xué)業(yè)，在這里衷心的表示感謝。許老師在論文研究的各階段，給予了我很多的建議。參考文獻(xiàn)參考文獻(xiàn)[1] Dorigo M. Optimization, learning and natural algorithms [D]. PhD thesis, Dipartimento di Elettronica, Politeico di Milano, Italy, 1992: 140.[2] Bonabeau E, Dorigo M, Theraulaz G. Inspiration for optimization from social insect behavior [J]. Nature, 2000, 406(6): 3942.[3] Michael J B K, JeanBernarrd B, Laurent K. Antlike task and recruitment in cooperation robots [J]. Nature, 2000, 406(31): 992995.[4] Jackson D E, Holbe M, Ratnieks F L W. Trail geometry gives polarity to ant foraging networks [J]. Nature, 2004, 432(7019): 907909.[5] N. Metropolis, A. Rosenbluth, M. Rosenbluth, A. Teller, E. Teller. Equation of State Calculations by Fast Computing Machines [J]. J. Chem. Phys, 1953, 21(6): 10871092.[6] S. Kirkpatrick, C. D. Gelatt, M. P. Vecchi. Optimization by simulated annealing [J]. Science, 1983, 220(4598): 671680.[7] Carter J H. The immune system as a model for pattern recognition and classification. Journal of the American Medical Informatics Association, 2000, 7(1):2841. [8] Castiglione F, Motta S, Nicosia G. Pattern recognition by primary and secondary response of an artificial immune system. Theory in Biosciences, 2001, 120(2):93106. [9] White J A, Garrett S M. Improved pattern recognition with artificial clonally selection. Lecture Notes in Computer Science, 2003, 2787:181193.[10] Tang Z, Tashima K, Cao Q P. Pattern recognition system using a clonally selectionbased immune network. Systems and Computers in Japan, 2003, 34(12):5663.[11] Foukia N, Hassas S, Fenet S et al. Combining immune systems and social insect metaphors: a paradigm for distributed intrusion detection and response system. Lecture Notes in Computer Science, 2003, 2881:251:264.[12] Gong M G, Du H F, Jiao L C et al. Immune clonally selection algorithm for multiuser detection in DSCDMA Systems. Lecture Notes in Artificial Intelligence, 2004, 3339:12191225. [13] Aickelin U, Greensmith J, Twycross J. Immune system approaches to intrusion detection – A review. Lecture Notes in Computer Science, 2004, 3239:316329.[14] Sarafijanovic S, Le Boudec J Y. An artificial immune system approach with secondary response for misbehavior detection in mobile ad hac networks. IEEE Transactions on Neural Networks, 2005, 16(5): 10761087.[15] Freschi F, Repetto M. Multiobjective optimization by a modified artificial immune system algorithm. Lecture Notes in Computer Science, 2005, 3627:248261.[16] 梁旭, 黃明. 現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用[M] . 北京: 電子工業(yè)出版社, 2011.[17] 許智宏, 宋勃, 郭艷艷. 模擬退火與蟻群混合并行算法解旅行商問(wèn)題 [J]. 河北工業(yè)大學(xué)學(xué)報(bào), 2010, 39(2): 4851.[18] 劉波, 蒙培生. 采用基于模擬退火的蟻群算法求解旅行商問(wèn)題 [J]. 華中科技大學(xué)學(xué)報(bào), 2009, 37(11): 2630.[19] 張曉婧, 高慧敏. 基于模擬退火的蟻群算法求解Job Shop問(wèn)題 [J]. 計(jì)算機(jī)應(yīng)用與軟件, 2008, 25(5): 7781.[20] 丁建立, 陳增強(qiáng), 袁著祉. 遺傳算法與螞蟻算法的融合[J], 計(jì)算機(jī)研究與發(fā)展, 2003, 40(9): 13511356. [21] 胡小兵, 黃席樾. TSP問(wèn)題的蟻群算法求解 [J]. 系統(tǒng)仿真學(xué)報(bào), 2004, 16(12): 26832686.[22] 張春平. 深圳應(yīng)急指揮中心的最優(yōu)路徑規(guī)劃技術(shù)研究[J]. 中山大學(xué)學(xué)報(bào)(自然科學(xué)版), 2003.[23] 丁建立, 陳增強(qiáng), 袁著祉. 遺傳算法與螞蟻算法融合的馬爾可夫收斂性分析[J], 自動(dòng)化學(xué)報(bào), 2004, 30(4): 629634. [24] 高尚, 楊靜宇, 吳小俊. 圓排列問(wèn)題的蟻群模擬退火算法[J]. 系統(tǒng)工程理論與實(shí)踐, 2004, 24(8): 102106.[25] 沈彬. 改進(jìn)蟻群算法在物流配送中的應(yīng)用研究[D][碩士論文]. 杭州: 浙江大學(xué), 2004.[26] 胡小兵. 蟻群優(yōu)化原理、理論及其應(yīng)用研究[D][博士論文]. 重慶: 重慶大學(xué), 2004.[27] 高尚, 楊靜宇. 群智能算法及其應(yīng)用[M]. 北京: 中國(guó)水利水電出版社, 2006.[28] 李梅娟, 陳雪波, 張梅鳳. 基于群集智能算法的路徑規(guī)劃問(wèn)題[J]. 清華大學(xué)學(xué)報(bào), 2007, 14(S2): 17701773.[29] 張軍, 胡曉敏(譯). 蟻群優(yōu)化[M]. 北京: 清華大學(xué)出版社, 2007.[30] 梁艷春, 吳春國(guó), 時(shí)小虎等. 群智能優(yōu)化算法理論與應(yīng)用[M]. 北京: 科學(xué)出版社, 2009.[31] 王振華, 章衛(wèi)國(guó), 李廣文. 基于改進(jìn)多目標(biāo)蟻群算法的無(wú)人機(jī)路徑規(guī)劃[J]. 計(jì)算機(jī)應(yīng)用研究, 2009, 26(6): 21062109.[32] 黃軍偉, 何元飛, 張艷曉, 董金明. 蟻群算法在路徑規(guī)劃中的應(yīng)用研究[J]. 中國(guó)科技信息, 2011(15): 209211.[33] 弓英瑛, 許峰. 基于目標(biāo)函數(shù)梯度的模擬退火蟻群算法[J].軟件導(dǎo)刊,2013,12(12):6163.致 謝致 謝感謝我的導(dǎo)師許峰教授，論文是在許老師的悉心指導(dǎo)和關(guān)懷下完成的。論文中的不足及有待進(jìn)一步研究的內(nèi)容：1. 本文中對(duì)算法的改進(jìn)不夠嚴(yán)謹(jǐn)，一些理論的證明尚需給出，如何進(jìn)一步提高化算法的適用性嚴(yán)密性，將是進(jìn)一步的研究工作。本文在蟻群算法的基礎(chǔ)上進(jìn)一步做了兩方面的改進(jìn)：首先對(duì)蟻群算法和模擬退火算法進(jìn)行結(jié)合形成模擬退火蟻群混合算法，又加入目標(biāo)函數(shù)的梯度這一因素，對(duì)這種混合算法進(jìn)行了創(chuàng)新和改進(jìn)；另外，在利用常規(guī)的蟻群算法解決路徑規(guī)劃問(wèn)題的基礎(chǔ)上，又考慮到方向夾角的因素對(duì)路徑規(guī)劃問(wèn)題中的蟻群算法進(jìn)行改進(jìn)，形成夾角優(yōu)化的蟻群算法。圖12 常規(guī)蟻群算法路程進(jìn)化圖Fig12 the figure of conventional ant colony algorithm圖13 夾角優(yōu)化蟻群算法路進(jìn)化圖Fig13 the figure of ant colony optimization angle算法分析和仿真結(jié)果所示，夾角優(yōu)化可以改善算法的收斂性，提高解的質(zhì)量。圖11中分別給出了常規(guī)蟻群算法和夾角優(yōu)化蟻群算法所得的最優(yōu)路徑，其中虛線所示為常規(guī)蟻群算法的最優(yōu)路徑，實(shí)線所示為夾角優(yōu)化蟻群算法的最優(yōu)路徑。 170,40。 180,170。 100,40)，障礙物3的4個(gè)頂點(diǎn)坐標(biāo)分別為(120, 30,40。 100,140。圖10為夾角優(yōu)化蟻群算法的流程圖：圖10 夾角優(yōu)化蟻群算法流程圖Fig10 the flowchart of ant colony optimization angle 實(shí)例與分析為了檢驗(yàn)夾角優(yōu)化蟻群算法的性能，下面用此算法在200*200的二維空間中尋找一條從起點(diǎn)S(20,180)到終點(diǎn)T(160,90)的最優(yōu)路徑，該二維空間中存在4個(gè)障礙物，障礙物1的4個(gè)頂點(diǎn)坐標(biāo)分別為(40,140。螞蟻從“巢穴”出發(fā)尋找“食物”的過(guò)程就相當(dāng)于路徑規(guī)劃中從起始點(diǎn)到達(dá)目標(biāo)點(diǎn)的過(guò)程，檢驗(yàn)下一個(gè)目標(biāo)節(jié)點(diǎn)是否為食物，若為食物，則保存此時(shí)的記錄，如果不是的話，設(shè)置下一個(gè)目標(biāo)節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)繼續(xù)尋找。為了有效地解決這個(gè)問(wèn)題，算法在式(15)中加入了這一項(xiàng)，適當(dāng)縮小了各個(gè)可選路徑線段啟發(fā)信息數(shù)量的差異，對(duì)啟發(fā)信息數(shù)量較小的路徑段，相對(duì)增加其選擇概率[32]，加強(qiáng)蟻群算法的全局搜索能力。螞蟻由路徑轉(zhuǎn)移