蚁群算法研究
2007年2月第9卷第2期综合述评
中国工程科学Feb.2007蚁群算法的研究现状及其展望
段海滨,王道波,于秀芬
1
2
3
(1 北京航空航天大学自动化科学与电气工程学院,北京 100083;2 南京航空航天大学自动化学院,
南京 210016;3 中国科学院空间科学与应用研究中心,北京 100080)
[摘要] 蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化系统,该算法采用分布式并
行计算和正反馈机制,易于与其他方法结合,目前已经在众多组合优化领域中得到广泛应用。在介绍基本蚁群算法数学模型的基础上,列举了进入21世纪以来部分具有代表性的蚁群算法改进模型及其应用情况,然后重点从算法的模型改进、理论分析、并行实现、应用领域、硬件实现、智能融合等角度对蚁群算法在今后的研究方向作了系统分析与展望。
[关键词] 蚁群算法;信息素;正反馈;优化[中图分类号]TP18;TP301
[文献标识码]A
[文章编号]1009-1742(2007)02-0098-05
蚁群算法(antcolonyalgorithm)是由意大利学
[1,2]
者M.Dorigo等提出的一种基于种群的启发式仿生进化系统。蚁群算法最早用于解决著名的旅行商问题(TSP,travelingsalesmanproblem),采用了分布式正反馈并行计算机制,易于与其他方法结合,并具有较强的鲁棒性
[3~8]
式中 为信息启发式因子,表示轨迹的相对重要性; 为期望启发式因子,表示能见度的相对重要性; ij(t)为启发函数,其表达式如下
ij(t)=1 dij
(2)
式中dij表示相邻2个城市之间的距离。该启发函数表示蚂蚁从元素i转移到元素j的期望程度。
为了避免残留信息素过多引起残留信息淹没启发信息,在每只蚂蚁走完一步或者完成对所有n个元素的遍历后,要对残留信息进行更新处理。由此,t+n时刻在路径(i,j)上的信息量可按如下规则进行调整
) ij(t+n)=(1- ij(t)+ ij(t)
ij(t)=
k=1
。
1 基本蚁群算法的数学模型
为了能够清楚地表达基本蚁群算法的数学模型,通常借助经典的对称TSP对其进行描述。蚂蚁k(k=1,2, ,m)在运动过程中,根据各
条路径上的信息量及路径的启发信息来计算状态转移概率。P
kij
[4]
(t)表示在t时刻蚂蚁k由元素(城
[ ij(t)] [ ik(t)]
,
(3)(4)
市)i转移到元素(城市)j的状态转移概率
k
m
ij(t)
k
k
pij(t)=
s allowed
[ is(t)]
k
[ is(t)]
若j allowedk
式中 表示信息素挥发系数; ij(t)表示本次循环中路径(i,j)上的信息素增量, ij(t)表示第k只蚂蚁在本次循环中留在路径(i,j)上的信息
0,否则
(1)
量。
根据信息素更新策略的不同,M.Dorigo曾提
[收稿日期] 2006-03-05;修回日期 2006-03-15;
[基金项目] 国家自然科学基金资助项目(60604009;60474499);航空科学基金资助项目(2006ZC51039); 三三三 工程基金重点资
助项目(JS200204)
[作者简介] 段海滨(1976-),男,山东东营市人,博士,北京航空航天大学硕士生导师
蚁群算法的研究现状及其展望周 勇# 陈洪亮 $ !!!" 明该算法具有并行性 % 鲁棒性等优良性质 & 本文阐述了蚁群算 法的原理 % 介绍了该算法在理 论和实际问题...
蚁群算法的研究现状及其展望蚁群算法的研究现状及其展望隐藏>> 维普资讯 http://www.cqvip.com Mircmp tr piain o 8No2 20 coo ue l t s l1 , ,0 2 ...
蚁群算法研究现状及发展_专业资料。蚁群算法是一类模拟生物群体突现聚集行为的新型机器学习技术。本文回顾了蚁群算法的主要概念,总结了蚁群算法与其他智能方法的融合,...
2007 Vol19 No12 ( 2) 第2期 段海滨等 : 蚁群算法的研究现状及其展望 99 出 3 种不同的基本蚁群算法模型 , 即 Ant - Cycle 模型、Ant - Quantity 模型...
蚁群算法研究现状及发展_专业资料。龙源期刊网 http://www.qikan.com.cn 蚁群算法研究现状及发展 作者:戴宏发 张源原 孙国强 刘成亮 来源:《科技创新导报》...
蚁群算法研究应用现状与展望_专业资料。蚁群算法是工程优化领域中新出现的一种仿生进化算法.首先介绍基本蚁群算法的原理和模型,然后评述近年来对蚁群算法的若干改进...
蚁群算法研究现状及发展_能源/化工_工程科技_专业资料。蚁群算法研究现状及发展 摘要:蚁群算法是一类模拟生物群体突现聚集行为的新型机器学 习技术。本文回顾了蚁群...
及其应用情况 ,然后重点 1从算法的模型改进 、理论 分析 、并行实现 、应用领域、硬件实现 、智能融合等角度对蚁群算法在今后的研究方 向作 了系 统分析与展望...
蚁群算法研究的新进展和展望 在介绍蚁群算法的原理和特点后,着重分析了当前一些有代表性的蚁群算法的改进机制和应用成果,并采用比较的方式指出了这些方法的特点和...
蚁群优化算法的研究现状及研究展望 319 步地减少;在一定的范围内蚂蚁能觉察出是否有同 类的信息素轨迹存在;蚂蚁会沿着信息素轨迹多的 路径移动等.正是基于这些...
热门文档