【正文】 離散過程，優(yōu)化路徑設(shè)置 提高算法的 搜索速度和 運(yùn)行效率。 在 2020到 2020 年 間 ，李艷君、 段海濱 提出了一種 基于網(wǎng)格劃分策略的自適應(yīng)連續(xù)域蟻群算法 和一種 用于求解連續(xù)域優(yōu)化問題的自適應(yīng)連續(xù)域蟻群算法 。 2020 年， Dorigo M 和 Bonabeau E 等在國(guó)際頂級(jí)學(xué)術(shù)刊物《 Nature》上發(fā)表了蟻群算法的研究綜述， 從而把這一領(lǐng)域的研究推向 了國(guó)際學(xué)術(shù)最前沿， 鑒于 Dorigo M在蟻群算法研究領(lǐng)域的杰出貢獻(xiàn)， 2020 年 11月歐盟委員會(huì)特別授予他“居里夫人杰出成就獎(jiǎng) ”。 目前，蟻群算法已 經(jīng) 成為國(guó)際智能計(jì)算領(lǐng)域中備受關(guān)注的研究熱點(diǎn)和前沿性課題 】【 1 。 蟻群算法 (ant colony algorithm,ACA)是最新發(fā)展 起來 的一種模擬螞蟻群體智能行為的仿生優(yōu)化算法，該算法采用了正反饋并行自催化機(jī)制 ， 在解決許多復(fù)雜優(yōu)化問題方面展現(xiàn)出優(yōu)異 性能和巨大的發(fā)展?jié)摿Γ罱鼛啄晡藝?guó)內(nèi)外許多研究者對(duì)蟻群算法進(jìn)行了多方面的研究工作。 beer recipe design 4 目 錄 第一章 緒論 ............................................... 6 研究背景 ............................................ 6 國(guó)內(nèi)外對(duì)蟻群算法的研究進(jìn)展 ........................... 7 本文的研究主線及體系結(jié)構(gòu) ............................. 7 第二章 蟻群算法 ........................................... 9 蟻群算法的基本原理及其數(shù)學(xué)模型 ....................... 9 真實(shí)蟻群的覓食機(jī)理 .............................. 9 基本蟻群算法數(shù)學(xué)模型的建立 ..................... 11 基本蟻群算法的系統(tǒng)學(xué)特征 ....................... 13 基本蟻群算法的具體實(shí)現(xiàn) .............................. 15 基本蟻群算法的實(shí)現(xiàn)步驟 ......................... 15 基本蟻群算法的程序結(jié)構(gòu)流程圖 ................... 15 第三章 基于正交離散過程的蟻群算法 ......................... 17 正交試驗(yàn)設(shè)計(jì) ....................................... 17 正交試驗(yàn)設(shè)計(jì)的基本概念 ......................... 17 正交試驗(yàn)設(shè)計(jì)的基本原理 ......................... 17 正交表及其基本性質(zhì) ............................. 19 基于正交離散過程的蟻群算法 .......................... 20 正交離散過程蟻群算法的基本原理 ................. 20 正交離散過程蟻群算法的尋優(yōu)過程 ................. 23 正交離散過程蟻群算法的數(shù)學(xué)模型 ................. 26 5 正交離散過程蟻群算法的具體實(shí)現(xiàn) ...................... 26 正交離散過程蟻群算法的實(shí)現(xiàn)步驟 ................. 26 正交離散過程蟻群算法的程序結(jié)構(gòu)流程圖 ........... 27 正交離散過程蟻群算法的仿真應(yīng)用 ...................... 29 第四章 本文的工作總結(jié)與展望 ................................ 34 本文的工作總結(jié) ..................................... 34 展望 ............................................... 34 致 謝 ..................................................... 35 參考文獻(xiàn) .................................................. 36 6 第一章 緒論 研究背景 根據(jù)螞蟻 群體尋找食物 的行為， 1991 年， 意大利學(xué)者 Dorigo 人在法國(guó)巴黎召開的第一屆歐洲人工生命會(huì)議上 提出了蟻群算法的基本模型； 1992 年， Dorigo M在其博士 論文中 又進(jìn)一步描述 了蟻群算法的核心思想。 orthogonal discretion。 Refined routing strategies 3 and so on. This model enhances the implementation efficiency of the algorithm. And then the beer recipe design simulation application is successfully presented to prove validity and feasibility of the proposed method, consequently, opening up a new way in terms of beer recipe design, and the method offers referenced models and solving methods for ant colony algorithm to solve the continual domain problems. Key words Ant Colony Algorithm。 The initial course is optimized in order to get the initial solutions。該模型提高了算法的執(zhí)行效率，其 成功應(yīng)用于 解決 連續(xù)域問題的 啤酒 配方設(shè)計(jì)方面，表明該 方 法是有效 可行 的 ， 同時(shí) 開辟了一條 解決 啤酒 配方設(shè)計(jì) 問題 的新途徑，對(duì)蟻群算法解決連續(xù)域問題提供 了 可 供參考的模型和求解方法。 為 了 解決蟻群算法在初始階段執(zhí)行效率低 下 、 信息素隨機(jī)分布、路徑雜亂無章的缺點(diǎn)，本文采取了幾項(xiàng)改進(jìn)措施。 畢 業(yè) 論 文 20XX 屆 XXXXXXXXXXXXXX 專業(yè) XXXXXXX 班級(jí) 題 目 基于正交離散過程的蟻群算法 姓 名 XXX 學(xué)號(hào) XXXXXXXXXXXXX 指導(dǎo)教師 XXXX 職稱 XXXX 二О 一 四 年 五 月 七 日 1 基于正交離散過程的蟻群算法 內(nèi) 容 摘 要 蟻群算法是 一種仿生 進(jìn)化算法 ， 其靈感來源于真實(shí)蟻群的覓食機(jī)理，這種思想吸收了螞蟻群體 有規(guī)律的行為 ，通過 對(duì) 真實(shí) 蟻群搜 索食物過程 的 模擬 來完成對(duì)問題的求解。 本文 首先介紹了蟻群算法的研究進(jìn)展和基本原理，然后 對(duì) 蟻群算法的改進(jìn)優(yōu)化和仿真應(yīng)用 分別 進(jìn)行了描述 。 例如： 將正交設(shè)計(jì)方法引入初始化中， 創(chuàng)建正交離散過程，形成正交優(yōu)化的路徑設(shè)置；優(yōu)化初始化過程， 以便 形成初始解；以動(dòng)態(tài)概率轉(zhuǎn)移規(guī)則來構(gòu)造 新的 路徑；精練的選路策略等 改進(jìn)措施的初始路徑優(yōu)化模型。 關(guān)鍵詞 蟻群算法；正交設(shè)計(jì)；正交離散； 連續(xù)優(yōu)化；啤酒配方設(shè)計(jì) 2 Ant Colony Algorithm based on orthogonal discrete process (Mechanical and electrical engineering institute, Aviation industry management college in zheng zhou ) Abstract The ant colony algorithm is a novel simulated evolutionary algorithm, which is inspired by foraging mechanisms of real ant colonies. This idea absorbs the regular behaviors of the ants colonies, by simulating the process of the real ant colony’s searching for food to solve the problems. The current research progresses and basic principle of ant colony algorithm are firstly introduced in this paper, then the improvement optimization and simulation application of ant colony algorithm are also overviewed respectively. In order to solve the problems of low efficiency, randomly distributed pheromone, scrambled paths in the initial stage of the ant colony algorithm. Several improved methods of the initial paths optimization model are proposed. For example, the orthogonal design method is introduced to the initial route optimization course so as to create orthogonal discrete process and form the path settings of orthogonal optimization。 Dynamical transfer rules are used to construct the new paths。 orthogonal design。 continuous optimization。 通過觀察可以發(fā)現(xiàn)： 單 只 螞蟻的行為十分 簡(jiǎn)單， 但螞蟻群體卻能協(xié)同尋找并 集中食物，建立 蟻穴并撫養(yǎng)后代，整個(gè)螞蟻群體發(fā)揮出了