人工智能07蟻群算法及其應用-文庫吧資料
2025-02-23 12:49本頁面
【正文】 蟻群大小 :一般情況下蟻群中螞蟻的個數(shù)不超過 TSP圖中節(jié)點的個數(shù)。第二步 :選擇路徑路徑在 t時刻，螞蟻 k從城市 i轉移到城市 j的概率為：蟻群算法的數(shù)學模型禁忌表體現(xiàn)了人工螞蟻的記憶性，使得螞蟻不會走重復道路，提高了效率。蟻 群算法的數(shù)學模型? TSP算例分析旅行商問題（ TSP）給定 n個 城市和兩個兩個城市之間的距離，要求確定一條 經過所有城市僅一次的 最短路徑。? 更新信息素包括原有信息素的蒸發(fā)和經過的路徑上信息素的增加。蟻群算法的基本思想? 每只螞蟻只能走合法路線（經過每個城市 1次且僅 1次），為此設置禁忌表來控制。? 螞蟻路徑的選擇根據(jù)信息素強度大?。ǔ跏夹畔⑺亓吭O為相等），同時考慮兩點之間的距離，采用隨機的局部搜索策略。蟻群算法的特征算法優(yōu)點：? （ 1） 求解問題的快速性 ——由正反饋機制決定? （ 2） 全局優(yōu)化性 ——由分布式計算決定，避免蟻群在尋優(yōu)空間中過早收斂? （ 3） 有限時間內答案的合理性 ——由貪婪式搜索模式決定，使能在搜索過程的早期就找到可以接受的較好解蟻群算法的基本思想算法流程圖：開始初始化迭代次數(shù)Nc=Nc+1螞蟻 k=1螞蟻 k=k+1按照狀態(tài)轉移概率公式選擇下一個元素修改禁忌表K=螞蟻總數(shù) m？按照公式進行信息量更新滿足結束條件？輸出程序計算結果結束Y YNN蟻群算法的基本思想以 TSP問題為例：? 根據(jù)具體問題設置多只螞蟻，分頭并行搜索。人工蟻群 VS 自然蟻群蟻 群算法的 特征蟻 群算法 采用了分布式正反饋并行計算機制 , 易于與其他方法結合 , 并具有 較強的 魯棒性 。同時，人工蟻 群在選擇 下一條路徑的時候是按一定算法規(guī)律有意識地尋找最短路徑，而 不是盲目的 。較短路徑的信息素濃度高，所以能夠最終被所有螞蟻選擇，也就是最終的優(yōu)化結果。人工蟻群中把具有簡單功能的工作單元看作螞蟻。這也就是前面所提到的 正反饋效應 。再經過 36個時間單位后，兩條線路上的信息素單位積累為 24和 6，比值為 4： 1。再經過 36個時間單位后，兩條線路上的信息素單位積累為 12和 4，比值為 3： 1。蟻 群算法的提出假設螞蟻每經過一處所留下的信息素為一個單位，則經過 36個時間單位后，所有開始一起出發(fā)的螞蟻都經過不同路徑從 D點取得了食物，此時 ABD的路線往返了 2趟，每一處的信息素為 4個單位，而 ACD的路線往返了一趟，每一處的信息素為 2個單位，其比值為 2： 1。假設初始時每 條路線分配一 只螞蟻，每個時間單位行走一步，本圖為經過 9個時間單位時的情形：走 ABD的螞蟻到達終點，而走 ACD的螞蟻剛好走到 C點，為一半路程。 螞蟻在運動過程中，能夠在它所經過的路徑上留下一種 稱之為 信息素 (pheromone)的物質進行信息傳遞，而且螞蟻在運動過程中能夠感知這種物質，并以此指導自己的運動方向，因此由大量螞蟻組成的蟻群集體行為便表現(xiàn)出一種信息正反饋現(xiàn)象： 某一路徑上走過的螞蟻越多，則后來者選擇該路徑的概率就越大 。最早用于解決著名的旅行商問題 (TSP , traveling salesman problem)。蟻 群算法的提出? 算法的提出蟻群算法（ Ant Colony Optimization, ACO），又稱螞蟻算法 ——一種
環(huán)評公示相關推薦
鄂ICP備17016276號-1