蟻群算法及其在TSP中的應(yīng)用.pdf

1、自從上世紀(jì)50年代中期創(chuàng)立仿生學(xué)以來，人們不斷地從生物進化的機理中得到啟發(fā)，提出了許多用于解決復(fù)雜優(yōu)化問題的新方法，比如神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火算法、進化規(guī)劃等，并成功應(yīng)用于解決實際問題。由意大利學(xué)者 Marco Dorigo，V.Maniezzo,A.Colorni于1992年首先提出的一種基于種群的模擬進化算法-蟻群優(yōu)化(Ant Colony Optimization ACO)，它是一種新穎的仿生進化算法，適用于求解復(fù)雜組合優(yōu)化

2、問題。目前，蟻群系統(tǒng)己成功應(yīng)用于求解旅行商問題(Traveling salesman problem TSP)、二次分配問題(QAP)和job-shop調(diào)度問題，取得了很好的實驗效果。受其影響，蟻群系統(tǒng)的研究已經(jīng)逐漸引起了更多學(xué)者和專家的關(guān)注。雖然，該研究方法處于研究的初級階段，但是一些研究成果已經(jīng)顯示出蟻群系統(tǒng)在求解復(fù)雜優(yōu)化問題方面的優(yōu)越性。本文的工作如下：
　　①對蟻群算法的理論及其在 TSP中的應(yīng)用進行了較為深入、系統(tǒng)的研究

3、。介紹了蟻群算法基本模型的原理、特點、構(gòu)成和實現(xiàn)方法，對蟻群算法參數(shù)的合理選取進行了詳細的實驗分析，給出了算法參數(shù)選取的基本原則。
　　②對于傳統(tǒng)的螞蟻算法容易出現(xiàn)早熟和停滯現(xiàn)象，及傳統(tǒng)的蟻群算法中的信息素進行了動態(tài)的自適應(yīng)調(diào)整，提出了一種新的自適應(yīng)螞蟻算法，選取幾個TSP問題進行實驗，結(jié)果表明改進后的算法具有更好的搜索全局最優(yōu)解的能力，并具有更好的穩(wěn)定性和收斂性。
　　最后對全文的研究工作進行了總結(jié)，并展望了蟻群算法進一步