蟻群算法改進及其應(yīng)用研究.pdf

1、當人們使用傳統(tǒng)尋優(yōu)方法求解復(fù)雜組合優(yōu)化問題遇到極大困難時，一些研究者另辟蹊徑，開創(chuàng)性地通過模仿生物體或者生態(tài)系統(tǒng)的生態(tài)機制構(gòu)造出了新的算法，這些算法包括進化算法(遺傳算法、遺傳規(guī)劃、進化策略)，人工神經(jīng)網(wǎng)絡(luò)，人工免疫系統(tǒng)，微粒群算法等，我們統(tǒng)稱為智能優(yōu)化算法。經(jīng)過近半個世紀的實踐已經(jīng)證明，智能優(yōu)化算法在解決復(fù)雜組合優(yōu)化、復(fù)雜控制等問題時，具有一些傳統(tǒng)方法不能比擬的優(yōu)點:魯棒性好，無需問題本身的詳細信息，較好的搜索全局性等特點。
　

2、　蟻群算法是由意大利學(xué)者M。Dorigo等人提出的一種智能優(yōu)化算法，它具有智能優(yōu)化算法的優(yōu)點，但它本身也存在著一些固有的不足，比如說易陷入局部收斂，收斂速度慢等。本文針對蟻群算法的這些不足，對以下幾個方面進行了研究。
　　(1)針對蟻群算法實現(xiàn)中有關(guān)參數(shù)取值對算法整體性能影響很大這一問題，我們對參數(shù)的合理取值區(qū)間進行了實驗研究，通過保持其他參數(shù)值不變，只改變一個參數(shù)值的方法，我們統(tǒng)計得出了利于算法性能提高的參數(shù)取值；
　　(

3、2)對蟻群算法的收斂性進行了分析和證明，得出了幾個可以改善算法整體性能的途徑，如調(diào)整信息素的更新方式和調(diào)整螞蟻選擇路徑的方式。
　　(3)蟻群算法實現(xiàn)中，信息素揮發(fā)度系數(shù)太大與太小都不利于算法搜索整體性能的提高，為了改善搜索性能，我們引入了信息熵概念，在每次迭代完成后計算解種群的信息熵值，用此值來動態(tài)調(diào)整信息素揮發(fā)度系數(shù)的大小，調(diào)節(jié)算法搜索全局性與收斂速度的問題；基于此原理我們提出了一種動態(tài)自適應(yīng)蟻群算法，通過對TSP問題的求解驗