基于過(guò)程優(yōu)化的蟻群算法研究與應(yīng)用.pdf

1、蟻群算法(Ant Colony Algorithm，ACA)是20世紀(jì)90年代初期提出的一種新型模擬進(jìn)化算法。其思想吸收了螞蟻的行為特征，通過(guò)模擬真實(shí)蟻群探索食物的過(guò)程來(lái)完成對(duì)問(wèn)題的求解。它具有系統(tǒng)性、分布式計(jì)算、自組織性、正反饋等特點(diǎn)，已廣泛應(yīng)用到通訊、交通、化工、數(shù)據(jù)分析和人工智能等領(lǐng)域。蟻群算法具有很多優(yōu)點(diǎn)，但在實(shí)施過(guò)程中也存在缺陷:(1)在算法運(yùn)行的初始階段執(zhí)行效率低，信息素隨機(jī)分布，路徑雜亂無(wú)章；(2)搜索過(guò)程中易陷入局部最優(yōu)

2、解，易出現(xiàn)早熟、停滯現(xiàn)象；(3)難以解決實(shí)際應(yīng)用中連續(xù)域的函數(shù)優(yōu)化問(wèn)題等。
　　本文對(duì)蟻群算法進(jìn)行了較為系統(tǒng)的分析和研究，并針對(duì)傳統(tǒng)蟻群算法存在的缺陷提出了基于過(guò)程優(yōu)化的蟻群算法，通過(guò)對(duì)傳統(tǒng)蟻群算法的運(yùn)行過(guò)程實(shí)施一系列優(yōu)化，達(dá)到提高算法執(zhí)行效率和尋優(yōu)能力的目的。創(chuàng)新點(diǎn)及具體改進(jìn)途徑包括:
　　(一)在算法運(yùn)行的初始階段采用正交、均勻設(shè)計(jì)等優(yōu)化方法，創(chuàng)建正交、均勻離散過(guò)程。
　　1.基于正交離散過(guò)程優(yōu)化的蟻群算法通過(guò)正交

3、離散有效地改善信息素分布，優(yōu)化初始化過(guò)程，并利用動(dòng)態(tài)轉(zhuǎn)移概率等策略來(lái)構(gòu)造和選擇路徑，大大改進(jìn)了算法的性能。根據(jù)該算法建立的配方設(shè)計(jì)數(shù)學(xué)模型在肉鴿(童鴿)飼料配比中進(jìn)行了應(yīng)用仿真運(yùn)算，試驗(yàn)結(jié)果顯示，基于正交離散過(guò)程優(yōu)化的蟻群算法執(zhí)行效率比傳統(tǒng)優(yōu)化方法有很大提高，是解決連續(xù)函數(shù)優(yōu)化問(wèn)題的一種新方法。
　　2.基于均勻離散過(guò)程優(yōu)化的蟻群算法通過(guò)深度均勻離散子族群搜索和全局均勻離散搜索過(guò)程產(chǎn)生局部最優(yōu)和全局最優(yōu)解，進(jìn)一步克服了正交離散水平

4、較少、設(shè)計(jì)方案欠靈活的缺點(diǎn)。算法性能測(cè)試結(jié)果顯示，基于均勻離散過(guò)程優(yōu)化的蟻群算法優(yōu)化值良好，優(yōu)化性能穩(wěn)定，在迭代次數(shù)和執(zhí)行時(shí)間上也表現(xiàn)出一定優(yōu)勢(shì)，是基于正交離散過(guò)程優(yōu)化蟻群算法的有益補(bǔ)充。
　　(二)創(chuàng)建混合蛙跳算法和蟻群算法的融合算法。
　　混合蛙跳融合蟻群算法在算法的運(yùn)行過(guò)程中前期利用混合蛙跳算法高效的全局搜索能力建立初始優(yōu)化解群，后期利用蟻群算法求解精度高的特點(diǎn)進(jìn)行精細(xì)解搜索，有效地解決了混合蛙跳算法搜索精度低和蟻群算