第三章针对蚁群算法所出现的不同缺陷对其进行改进。计算结果可知,基于遗传算法对蚁群算法的改进在解决物流配送路径优化问题中,取得了好的效果。由此可见,这样的混合算法可以弥补各自的不足,达到更好的优化效果,改善了解的质量。

第四章对这些蚁群算法的改进作比较。

第五章对蚁群优化算法总结及未来的展望。

2 蚁群算法

2。1 蚁群算法的背景信息

 是由M 。Dorigo等人于1991年首先提出的,是受到自然界中 的社会性行为启发而产生的,它模拟了 寻找食物的过程。由于 的过程与旅行商问题(TSP)的求解非常相似,所以蚁群算法最早的应用就是TSP的求解。该算法采用了分布式正反馈并行计算机制,易于与其他算法结合,而且具有较强的鲁棒性。目前,蚁群算法已在组合优化问题求解,以及电力、通信、化工、交通、机器人、冶金等多个 中得到应用,都表现出了令人满意的性能。

2。2蚁群算法的原理

 是对自然界蚂蚁的 进行模拟而得出的一种 。在自然界中,蚂蚁群总是能够找到从 到食物源之间的一条 。这是由于蚂蚁在运动过程中,可以在其所经过的 上留下一种被称之为“ (pheromone)”的物质。该物质能够被后来的蚂蚁感知到,并且会随时间逐渐挥发。每个蚂蚁根据路径上外激素的强度来指导自己的运动方向,并且倾向于朝该物质强度高的方向移动。因此由大量蚂蚁组成的蚁群集体行为便表现出一种信息 :某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大。由于在一定时间内,越短的路径会被越多的蚂蚁访问,所以随着上述过程的进行,整个蚁群最终会找到从蚁穴到食物之间的最短路径。蚁群算法正是利用了生物蚁群的这一特性来对问题进行求解。

它的原理如下图:以30只蚂蚁为例,一段时间后,会出现蚂蚁的择优结果。

图2-1 蚁群的自适应行为

其模型由下面三个公式描述:

式(1-1)、式(1-2)和式(1-3)中: 为蚂蚁个数; 为迭代次数; 为蚂蚁所在位置; 为蚂蚁可以到达的位置; 为蚂蚁可以到达位置的集合; 为启发性信息,这里为由 到 的路径的能见度,即 ; 为目标函数,这里为两点间欧氏(Euclidean)距离; 为由 到 的路径的信息素强度; 为第 只蚂蚁由 到 的路径上留下的信息素数量; 为路径权; 为启发性信息的权; 为路径上信息素数量的蒸发系数; 为信息素质量系数; 为蚂蚁 从位置 移动到位置 的转移概率。式(1-3)是在第 个蚂蚁经过了由 到 的路径的前提条件下成立。

2。3蚁群算法的结构框架

蚂蚁系统(Ant System,AS)即基本蚁群算法可以划分成三个过程的相互作用:蚂蚁构建解、更新信息素、后台执行。

在初始时刻,将所有信息素的初值设定为一个固定的值,一般选择略高于每一迭代中蚂蚁释放的信息素大小的期望值,可以用如下的方式粗略地计算:

                                 (1-4)

其中 代表蚂蚁的数量, 是由最近邻启发式方法构造的路径的长度,使用其他合理的路径构造方法也可以得到较好的执行效果。对于信息素的初始值 的选择这样做的原因在于,如果初始值 太大,蚂蚁释放的信息素没有任何的导向型作用,只有进行很多次迭代后信息素逐渐蒸发到足够小,才能发挥信息素对于路径选择的作用;初始值 太小,信息素对于蚂蚁的路径选择起到决定性的作用,使得搜索区域很快的集中到蚂蚁最先产生的有限几条路径中,使得解过于早熟。文献综述

上一篇:Android心理测试APP的开发
下一篇:移动社交网络的调查问卷设计的研究

基于Apriori算法的电影推荐

基于PageRank算法的网络数据分析

基于神经网络的验证码识别算法

python基于决策树算法的球赛预测

加密与解密算法的研究【1931字】

一種删除准则的NOMA资源联...

vc++几种排序算法演示软件实现

张洁小说《无字》中的女性意识

安康汉江网讯

网络语言“XX体”研究

麦秸秆还田和沼液灌溉对...

互联网教育”变革路径研究进展【7972字】

我国风险投资的发展现状问题及对策分析

老年2型糖尿病患者运动疗...

新課改下小學语文洧效阅...

LiMn1-xFexPO4正极材料合成及充放电性能研究

ASP.net+sqlserver企业设备管理系统设计与开发