連續(xù)域蟻群算法的改進研究與應用.pdf

1、蟻群算法(ant colony algorithm簡稱ACA)是最近幾年才提出來的一種新型的模擬進化算法，它來源于對真實螞蟻群體尋找從巢穴到食物源最短路徑方法的模擬，體現了真實蟻群的協作過程。蟻群算法不僅能夠智能搜索、全局優(yōu)化，而且具有高度的本質并行性、正反饋性、魯棒性及協同性等優(yōu)點，在解決復雜離散優(yōu)化問題上顯示出了良好的適應性，具有許多優(yōu)良品質和實際應用價值，是一種很有前景的方法。 既然蟻群算法在求解離散優(yōu)化問題上有很好的性能

2、，那么人們自然會想到將它應用到連續(xù)優(yōu)化問題時是否也能取得好的結果。為此有許多學者作了這方面的研究，但基于蟻群算法來源于求解離散問題這一特殊性，求解連續(xù)問題時須先進行一定的改動。他們引入其它方法的思想先將連續(xù)問題離散化，然后再運用蟻群算法進行求解。研究結果發(fā)現這些方法應用于連續(xù)優(yōu)化問題尋優(yōu)還有待進一步發(fā)展，本文正是針對這一不足，進行蟻群算法連續(xù)域尋優(yōu)的研究，提出一些新的改進措施，使得蟻群算法更適應連續(xù)域尋優(yōu)。 第一:仿照真實螞蟻工

3、作機制，將螞蟻分為兩大類型:偵察蟻和探索蟻。兩種螞蟻用不同的方法完成各自的工作，且相互合作共同達到尋優(yōu)目的。偵察蟻用快速尋優(yōu)機制和簡單的信息素交流機制，可以有效地先在連續(xù)域上先進行偵察。而探索蟻在偵察蟻形成的一個信息素保留點列表基礎上進行有向隨機尋優(yōu)，用確定性與隨機性相結合的方式來工作，即保證了向信息素濃度高的點的方向移動，避免盲目尋優(yōu)，同時也保證了搜索的隨機性。整個算法未刻意地將連續(xù)空間離散化，螞蟻自由地在尋優(yōu)空間內移動，只是每次尋優(yōu)

4、結果和遺留的信息素以離散形式進行保存和交流。仿真實驗證明兩類螞蟻相結合的蟻群算法進行連續(xù)域尋優(yōu)時尋優(yōu)性能大大優(yōu)于其它連續(xù)域蟻群算法。 第二:算法中需要人為設置的參數多，而現今參數設置大多以經驗為主。用遺傳算法對人為設置參數進行優(yōu)化，優(yōu)化時采用實數制編碼、算術交叉、非均勻變異等改進遺傳操作。通過對二維和高維函數進行仿真可以證明用遺傳算法能夠找到一組較優(yōu)參數，可使蟻群算法連續(xù)域尋優(yōu)時獲得較好的尋優(yōu)性能。本文還將改進后蟻群算法應用到P

5、ID參數控制器優(yōu)化方面，仿真實驗證明用改進連續(xù)域蟻群算法優(yōu)化后的PID控制器參數使得系統響應性能有所改善。體現了連續(xù)域蟻群算法在實際應用中的價值。 第三:針對改進后的蟻群算法在高維函數尋優(yōu)時性能仍有所欠佳的問題，充分利用人工魚群算法的特點，先對高維函數進行尋優(yōu)，尋得的滿意解域再作為蟻群算法尋優(yōu)空間，這樣結合降低了螞蟻很大一部分工作量。仿真實驗表明這種改進措施一定程度上可以提高蟻群算法的高維函數尋優(yōu)性能，但還仍需進一步對蟻群算法進