蟻群群體智能網絡可視化試驗平臺設計.pdf

1、群體智能(SWARM INTELLIGENCE)是在仿生學機理啟發(fā)下提出的用于求解并行性分布式問題的一類算法。由于這類算法具有分布式計算、正反饋、魯棒性和并行性等優(yōu)點,在計算機仿真、模式識別、數(shù)據(jù)挖掘和網絡通訊等諸多領域都得到了廣泛的應用。蟻群算法是群體智能中現(xiàn)階段研究較為深入的一種高效的優(yōu)化算法。它基于蟻群在覓食中所體現(xiàn)出的高度智能性,為蟻群整體建立了一個相互通訊和協(xié)調的數(shù)學模型,并將該數(shù)學模型成功應用于傳統(tǒng)的旅行商問題的求解過程中,

2、取得了令人滿意的最優(yōu)解。
　　 本文對蟻群算法的原理及其基本的數(shù)學模型進行了探討和分析,在此基礎上研究了蟻群算法在實際應用中存在的某些局限性,同時參考了其它不同類型智能算法的優(yōu)勢,對傳統(tǒng)的蟻群算法理論提出了一些比較有效的改進,并建立了一個基于網絡的蟻群算法基礎性試驗平臺。本文具體主要完成了以下工作:
　　 1.為解決傳統(tǒng)的蟻群算法中所依賴的數(shù)學模型過于理想的問題,本文針對一類蟻群中個體不完全能控且在運輸和轉移的過程中隨時

3、可能發(fā)生停止或停滯的情況,提出了一種雙重約束下的蟻群算法,在確保整個交通運輸系統(tǒng)安全的前提下,引入了網絡虛斷的概念,通過修改網絡間兩類不同類型的非可達節(jié)點之間距離的方法對網絡節(jié)點間的連接關系進行較正,比較有效地解決了此類問題并獲取了完全符合安全性要求的系統(tǒng)最優(yōu)解。
　　 2.針對蟻群算法穩(wěn)定性較差和所獲得的解的質量不高的問題,本文將貪婪算法應用到蟻群算法中。根據(jù)貪婪算法中局部最優(yōu)的思想,本文提出了一種基于最小距離均衡系數(shù)的負反饋

4、蟻群算法,利用最小距離均衡系數(shù)得出系統(tǒng)的最優(yōu)控制策略,并將之作為一種反向的抑制因素附加到蟻群算法的求解過程中,提高了解的質量。
　　 3.為了改善最小距離均衡系數(shù)算法中局部最優(yōu)的特性過強所導致的整個算法所能獲取的“最優(yōu)解”的質量較差的問題,本文提出了節(jié)點間距離預判斷的思想,改進了最小距離均衡系數(shù)算法,提升了最小距離均衡系數(shù)算法的在求取最優(yōu)解過程中整體性能。
　　 4.構建了基于INTERNET的蟻群算法可視化基礎實驗環(huán)境