【正文】 里。設(shè)想這樣一個場景：一群鳥在隨機搜索食物。PSO 算法屬于進化算法的一種，和遺傳算法相似，它也是從隨機解出發(fā)，通過迭代尋找最優(yōu)解，它也是通過適應(yīng)度來評價解的品質(zhì)，但它比遺傳算法規(guī)則更為簡單，它沒有遺傳算法的“交叉”(Crossover) 和“變異”(Mutation) 操作，它通過追隨當前搜索到的最優(yōu)值來尋找全局最優(yōu)。此時，要根據(jù)下式對各路徑上的信息量作更新： （2）其中： = （3）表示螞蟻在本次循環(huán)中在城市和城市之間留下的信息量，其計算方法根據(jù)計算模型而定，在最常用的ant cycle system模型中； = (4)其中為常數(shù),為螞在本次循環(huán)中所走路徑的長度。經(jīng)過個時刻。每個螞蟻的的第一個元素賦值為它所在的城市。來模擬實際螞蟻的信息素濃度。 為模擬實際螞蟻的行為，首先引人如下記號：設(shè)是蟻群巾螞蟻的數(shù)量。我們以求解平面上個城市的 JSP問題(1，2，…，表示城市序號)為例說明蟻群算法的模型。局部信息素更新針對螞蟻當前走過的一步路徑上的信息素進行，全局信息素更新是在所有螞蟻找到可行解之后，根據(jù)發(fā)現(xiàn)解的質(zhì)量或者當前算法找到的最好路徑上的信息素進行更新。以上算法中，螞蟻逐步構(gòu)造問題的可行解，在一步解構(gòu)造過程中，螞蟻以概率方式選擇信息素強且啟發(fā)式因子高的弧達到下一個節(jié)點，直到不能繼續(xù)移動為止。(5)如果不滿足結(jié)束條件，再轉(zhuǎn)到(2)。螞蟻按照信息素及啟發(fā)式信息的指引構(gòu)造一步問題的解，進行局部信息素更新。蟻群算法解決組合優(yōu)化問題的主要步驟有:(l)設(shè)置參數(shù)，初始信息蹤跡。(3)易與其它方法結(jié)合:蟻群算法很容易與多種啟發(fā)式算法結(jié)合，以改善算法的功能。與遺傳算法，模擬退火算法等模擬進化算法一樣，通過候選解組成的群體在進化過程中來尋找最優(yōu)解具有以下特點: (l)較強通用性，對基本蟻群算法模型稍加修改，便可以應(yīng)用于其它問題。蟻群算法是一種模擬進化算法，初步的研究表明該算法具有許多優(yōu)良的性質(zhì)。蟻群算法，又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機率型算法。(5)具有自組織、自適應(yīng)和自學(xué)習(xí)性。這一特點使得遺傳算法的應(yīng)用范圍大大擴展。(3)遺傳算法基本上不用搜索空間的知識或其它輔助信息，而僅用適應(yīng)度函數(shù)值來評估個體，在此基礎(chǔ)上進行遺傳操作。遺傳算法從串集開始搜索，覆蓋面大，利于全局擇優(yōu)。這是遺傳算法與傳統(tǒng)優(yōu)化算法的極大區(qū)別。這個過程將導(dǎo)致種群像自然進化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼（decoding），可以作為問題近似最優(yōu)解。因此，在一開始需要實現(xiàn)從表現(xiàn)型到基因型的映射即編碼工作。每個個體實際上是染色體(chromosome)帶有特征的實體。JSP仿真，以JSP的實際需求為依據(jù)，定義JSP遺傳算法所需要的JSP個體適應(yīng)度，并設(shè)計JSP個體適應(yīng)度的求解方法。解決TSP問題主要有三步:JSP仿生，創(chuàng)建JSP遺傳算法所需要的材料，包括JSP染色體以及個體群組。并且取得了一定的成效。各類啟發(fā)式算法是目前比較理想的算法，適用于不同規(guī)模和時間要求的TSP問題，他們都可以得到局部最優(yōu)解或全局最優(yōu)解。對TSP問題，優(yōu)化專家們提出各種不同啟發(fā)式算法，以得到該問題的近似優(yōu)化算法。人工魚群算法（AFSA）是浙江大學(xué)的李曉磊、錢積新等人提出的，2002年李曉磊在其博士論文中對人工魚群算法進行了系統(tǒng)的介紹。為提供解決優(yōu)化領(lǐng)域的問題的有效方法，智能搜索算法綜合了生物學(xué)、計算機和人工智能等各個科學(xué)領(lǐng)域的知識，隨著各個科學(xué)的發(fā)展，也是逐漸深入的。具有并行性，簡單性，全局性，快速性。人工魚群算法已經(jīng)成為交叉學(xué)科中一個非?；钴S的研究問題。人工魚群算法是我國學(xué)者在2002年提出的一種新的群智能算法。這些問題描述簡單，并且有很強的工程代表性，但最優(yōu)化求解很困難，其主要原因是求解這些問題的算法需要極長的運行時間與極大的存儲空間，以致根本不可能在現(xiàn)有計算機上實現(xiàn)，即所謂的“組合爆炸”。組合優(yōu)化，又稱離散優(yōu)化問題，是通過對數(shù)學(xué)方法的研究去尋找離散事件的最優(yōu)編排、分組、次序或篩選等，是運籌學(xué)中一個經(jīng)典且重要的分支，隨著計算機科學(xué)、管理科學(xué)、現(xiàn)代化生產(chǎn)技術(shù)等的日益發(fā)展，這類問題與日俱增，受到諸多學(xué)者的高度重視。 flocking behavior。群聚行為；蟻群算法Artificial fish algorithm in binatorial optimization problemHe shao wuAbstract：Combinatorial optimization problem has a very wide range of applications in real life, and has a strong engineering representative, but best to resolve the very difficult, solving binatorial optimization problems mainly heuristic algorithm. Artificial fish swarm algorithm is a new swarm intelligence optimization algorithm, the principle is simple, fast convergence and high accuracy. In recent years has been widespread concern and applications.The feeding line of the artificial fish swarm algorithm is a global convergence on the basis of the behavior of clusters and rearend behavior and more to enhance the global convergence of the algorithm. Ant colony algorithm decision traveling salesman problems of slow convergence and parameter settings affect the performance of the algorithm, artificial fish school operator through examples prove better than the ant colony algorithm convergence rate. Keywords: artificial fish swarm algorithm。關(guān)鍵字:人工魚群算法。人工魚