基于帶記憶的螞蟻的蟻群優(yōu)化算法在TSP上的應(yīng)用.pdf

1、研究群居性昆蟲行為特征的科學(xué)家發(fā)現(xiàn)，昆蟲每個(gè)個(gè)體能力十分有限，在群落一級(jí)上的合作基本上是自組織的，在許多場(chǎng)合中盡管這些合作可能很簡(jiǎn)單，但是卻可以解決復(fù)雜的問題。群居性昆蟲行為的研究為計(jì)算機(jī)科學(xué)家提供了設(shè)計(jì)分布式控制和優(yōu)化算法的有力方法。
　　 蟻群算法就是利用群體智能解決組合優(yōu)化問題的典型例子。對(duì)以蟻群算法為代表的群體智能的研究已經(jīng)逐漸成為一個(gè)研究熱點(diǎn)。蟻群算法是一種應(yīng)用于組合優(yōu)化問題的啟發(fā)式搜索算法，具有正反饋、分布計(jì)算和啟發(fā)

2、性搜索等特點(diǎn)。蟻群算法自從其出現(xiàn)以來，先后應(yīng)用于TSP問題、資源二次分配問題等經(jīng)典優(yōu)化問題，得到了較好的效果，吸引了大批學(xué)者的興趣。近年來，其研究領(lǐng)域也拓展到了動(dòng)態(tài)環(huán)境、混沌計(jì)算、多目標(biāo)等領(lǐng)域，基于蟻群優(yōu)化算法的新型技術(shù)也陸續(xù)的面世并且不斷的改進(jìn)。
　　 但蟻群算法的提出才不過十幾年時(shí)間，還未形成完整的數(shù)學(xué)體系，算法的性能也有待提高。本文以研究典型的NP問題——旅行商問題入手，對(duì)蟻群優(yōu)化算法的發(fā)展背景、內(nèi)容、實(shí)現(xiàn)方法和性能作了詳

3、細(xì)介紹，對(duì)該算法本身進(jìn)行了深入研究，提出了自己的改進(jìn)方案。本文在蟻群優(yōu)化算法的研究中主要作了如下幾點(diǎn)工作：
　　 1．引入帶記憶能力的螞蟻，并且通過程序?qū)崿F(xiàn)了這個(gè)功能，在程序上完成了新螞蟻與蟻群算法和最大-最小螞蟻算法的結(jié)合；
　　 2．在10個(gè)不同規(guī)模的對(duì)稱靜態(tài)旅行售貨員問題上，用改進(jìn)的蟻群算法和最大-最小螞蟻算法分別進(jìn)行仿真。通過對(duì)大量的數(shù)據(jù)結(jié)果進(jìn)行對(duì)比分析，發(fā)現(xiàn)帶記憶能力的螞蟻能夠讓已有的蟻群優(yōu)化算法在解決小型城市

4、的旅行售貨員問題時(shí)，速度上有較明顯的提高，但是在中型規(guī)模以上的城市群中速度和結(jié)果表現(xiàn)都有所欠缺。
　　 3．經(jīng)過分析，對(duì)帶記憶的螞蟻進(jìn)行優(yōu)化，根據(jù)螞蟻算法中局部搜索時(shí)，螞蟻確定下一個(gè)城市采用的偽隨機(jī)分配思想，讓螞蟻成為具有高、低兩種記憶概率的個(gè)體。然后通過程序?qū)崿F(xiàn)了該模型的功能，在程序上完成新功能螞蟻與蟻群算法和最大-最小螞蟻算法的結(jié)合。
　　 4．在10個(gè)不同規(guī)模的對(duì)稱靜態(tài)旅行售貨員問題上，用再次改進(jìn)的蟻群算法和最大最