螞蟻算法ppt課件-文庫吧資料
2025-05-05 03:44本頁面
【正文】 022螞蟻算法可研究問題 螞蟻算法的研究與發(fā)展歷史畢竟較短，還存在諸多問題：（ 1）它的發(fā)展遠(yuǎn)沒有形成完整的理論體系；（ 2）模型對問題具有依賴性，研究者必須根據(jù)問題的特點選擇和修正模型；（ 3）算法的參數(shù)選擇更多的是依靠實驗和經(jīng)驗，沒有定理或公認(rèn)的確定方法；（ 4）由于初始信息素匱乏，計算時間偏長，對實時應(yīng)用不利。,DorigoCostaAntNetFSRegularNavarroetalWhite,Pagurek,OppacherDiput,van路由問題（ RP）Bullnheimer,Hartl,StraussGambardella螞蟻算法及其應(yīng)用（續(xù)） 表 2Maniezzo陳義寶、周濟等ASJSPASFSPACSSMTTPACSSMTWTP工件排序蟻群算法19941997199919992022alDenBesten,BauerHoosManiezzo,CarbonaroRamalhinho,Lourenco,SerraTalbi,Roux,Fonlupt,RobillardASQAP,ANTSQAP,ASQAPcHASQAPbMMASQAPANTSFAPMMASGAPPAC1994,1998,199919971997199819982022調(diào)度問題(SP)Colorni,Taillard,DorigoStizleColorni,andandandand這樣便可以更加充分地進(jìn)行尋優(yōu)?；蛘呤?超出這個范圍的值被強制設(shè)為 其特點在于 :l （ 1）只對最佳路徑增加信息素的濃度，從而更好地利用了歷史信息 (這與 ACS算法的調(diào)整方案有點類似 )；l （ 2）為了避免算法過早收斂于并非全局最優(yōu)的解，將各條路徑可能的信息素濃度限制于 System)是到目前為止解決 TSP，QAP等問題最好的 ACO類算法。MMAS模型特點 l MMAS(MAXMIN AS的優(yōu)點在于 :l （ 1）正反饋，從而能迅速找到好的解決方法；l （ 2）分布式計算可以避免過早地收斂；l （ 3）強啟發(fā)能在早期的尋優(yōu)中迅速找到合適的解決方案。是最早的伴隨蟻群這個概念提出來的算法，它首先被成功地運用于 TSP問題。 (AntSystem) MMAS三種具有重要的作用 。l 在螞蟻算法的幾種模型中， AS,等參數(shù)的選擇也要根據(jù)不同問題做出不同選擇。如 ,l 從實驗結(jié)果看， MMAS算法在防止算法過早停滯及有效性方面對AS算法有較大的改進(jìn)?；蛘?之間，即 System（ 簡稱 MMAS） 模型，它對 AS進(jìn)行了三點改進(jìn) :l (1)為了更加充分地尋優(yōu)，各路徑信息素初值設(shè)為最大值 提出了 MAXMINAnt 僅對最短路徑的信息素增加量。 這里的 Updating(offlineUpdating(onlineSystem） 模型 l Dorigo與 Gambardella等學(xué)者在 1997年在 AntQ算法的基礎(chǔ)上進(jìn)行修改，為了平衡尋找更好結(jié)果和尋找更大的搜索空間，PseudoRandomProportionalACS（ Antl 上述三種模型中，螞蟻密度模型和螞蟻數(shù)量模型利用的是局部信息，而螞蟻圈模型利用的是全局信息，對全局優(yōu)化較好。結(jié)點出發(fā)下一步的可行結(jié)點集（ TSP問題應(yīng)去掉第 k只螞蟻已經(jīng)過的結(jié)點）， Cycle）：l 其中 :l (3)螞蟻數(shù)量模型（ AntDensity）： 的不同取法 ,可形成三種類型的螞蟻算法模型 :l (1)其主要參數(shù)變量表達(dá)如下：l 選擇概率：簡稱 AS） l 螞蟻系統(tǒng)（ AS） 是第一個蟻群優(yōu)化算法（ ACO）， 它是意大利科學(xué)家 DorigoAS模型（ Ant將 m只螞蟻置于 n個頂點上；l 第 2步： 將各螞蟻的初始出發(fā)點置于當(dāng)前解集中；對每一個螞蟻 k， 按概率 P選擇移至下一頂點 j上；將頂點 j置于當(dāng)前解集；l 第 3步： 計算各螞蟻的目標(biāo)函數(shù)值；記錄當(dāng)前的最好解；l 第 4步： 按更新方程修改信息素軌跡強度；l 第 5步： 對各邊弧 只螞蟻在第結(jié)點 i——————）， 信息素軌跡的持久性（ 螞蟻算法 符號的定義——）
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1