蟻群算法研究報告-在線瀏覽
2025-06-13 07:40本頁面
【正文】 路徑行駛。但是當有螞蟻走過時，它將會在它行進的路上釋放出信息素，并且這種信息素會議一定的速率散發(fā)掉。它后面的螞蟻通過路上信息素的濃度，做出決策，往左還是往右。 人工蟻群的特點. 蟻群算法中所使用的螞蟻是現(xiàn)實螞蟻行為特征的一種抽象，稱為人工螞蟻。故人工螞蟻又有不同于現(xiàn)實螞蟻的地方，以tsP問題為例：(1)人工螞蟻有一定的記憶能力，它可以記住已經(jīng)走過的路徑，以保證不會重復走相同的城市。(2)人工螞蟻不僅僅依據(jù)信息素來確定要走的路徑，還引入了與問題相關的啟發(fā)信息，比如相鄰邊的長度。(3)人工螞蟻處于一個離散的時間環(huán)境下，而現(xiàn)實中的螞蟻是在一個連續(xù)的狀態(tài)下。蟻群中的螞蟻具有多元性、相關性，而且相互之間的協(xié)作又體現(xiàn)了整體性，所以蟻群具有系統(tǒng)性的特點。在解決問題的過程中，當某個解較優(yōu)時，就會使更多的螞蟻選擇這個解，解越優(yōu)，螞蟻選擇此解的概率越大，直到收斂到最優(yōu)解，這使蟻群有了正反饋的特性。由于蟻群中每只螞蟻都是并行運作，所以蟻群還有分布式并發(fā)的特點。它還充分模擬了實際蟻群尋求最短路徑的協(xié)作優(yōu)化特性。另外，蟻群算法還被用于作業(yè)車間調度問題、二次分配問題、多維背包問題、數(shù)據(jù)的特征聚類過程，并取得了很好的尋優(yōu)結果。人工蟻群中的多個智能體通過正反饋確保了最優(yōu)化過程的快速性，而早熟收斂則可以由蟻群算法的分布式計算特性來加以避免。這樣，在一種問題求解模式中，同時結合了問題求解的快速性、全局最優(yōu)特征以及在優(yōu)化過程初期解的合理性等特性，從而引起了相關領域研究者的注意。它還被用于各類動態(tài)資源分配、行動規(guī)劃和數(shù)據(jù)聚類等相關問題的研究中。1）通過設立虛擬信息素（Virtual Pheromone）來實現(xiàn)信息正反饋，為尋找更優(yōu)解打基礎。但是需要注意的是信息素按照一定的時間間隔揮發(fā)，時間間隔太短會出現(xiàn)早熟現(xiàn)象，時間間隔太短個體間的協(xié)作會受到抑制，所以要合理制定時間間隔。在用螞蟻系統(tǒng)解決TSP問題時,蟻量模型和蟻密模型是螞蟻在構建一條合法路徑的過程中進行信息素的更新的,當螞蟻走過一條邊之后,就對該邊進行信息素的更新。蟻密模型中,螞蟻在自己所走過的邊上所釋放的信息素是一個常量Q,而蟻量模型中,螞蟻在自己所走過的邊上釋放的信息素是Q/dtj,其中Q是一個常量,而dtj是螞蟻走過邊的長度。如果構造一個圖如下:圖中的頂點為城市,頂點間的邊表示城市間的交通線,TSP問題就抽象為在這個圖中尋找最短哈密爾頓回路。在解決TSP問題時性能較好，故通常成AntCycle模型為螞蟻系統(tǒng)的基本模型。螞蟻下一步選取哪個城市作為轉移的目標由各路徑上的信息濃度決定。每個螞蟻都按照如下公式的計算結果來選擇下一個目標：Allowedk=C tabuk中的元素是螞蟻接下來可以走的城市；信息啟發(fā)因子α表示信息軌跡的重要性,α越大，該螞蟻選擇過的這條路徑就越受其它螞蟻歡迎，容易被其他螞蟻選擇；期望啟發(fā)因子β代表了啟發(fā)信息在路徑選擇時的重要性；啟發(fā)函數(shù) ( η)ij(t)表示為:其中，dij 為相鄰兩城市的
規(guī)章制度相關推薦
鄂ICP備17016276號-1