蟻群算法改進(jìn)及其應(yīng)用研究.pdf

1、當(dāng)人們使用傳統(tǒng)尋優(yōu)方法求解復(fù)雜組合優(yōu)化問(wèn)題遇到極大困難時(shí)，一些研究者另辟蹊徑，開(kāi)創(chuàng)性地通過(guò)模仿生物體或者生態(tài)系統(tǒng)的生態(tài)機(jī)制構(gòu)造出了新的算法，這些算法包括進(jìn)化算法(遺傳算法、遺傳規(guī)劃、進(jìn)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(guò)近半個(gè)世紀(jì)的實(shí)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(wèn)題時(shí)，具有一些傳統(tǒng)方法不能比擬的優(yōu)點(diǎn):魯棒性好，無(wú)需問(wèn)題本身的詳細(xì)信息，較好的搜索全局性等特點(diǎn)。
　

2、　蟻群算法是由意大利學(xué)者M(jìn)。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(diǎn)，但它本身也存在著一些固有的不足，比如說(shuō)易陷入局部收斂，收斂速度慢等。本文針對(duì)蟻群算法的這些不足，對(duì)以下幾個(gè)方面進(jìn)行了研究。
　　(1)針對(duì)蟻群算法實(shí)現(xiàn)中有關(guān)參數(shù)取值對(duì)算法整體性能影響很大這一問(wèn)題，我們對(duì)參數(shù)的合理取值區(qū)間進(jìn)行了實(shí)驗(yàn)研究，通過(guò)保持其他參數(shù)值不變，只改變一個(gè)參數(shù)值的方法，我們統(tǒng)計(jì)得出了利于算法性能提高的參數(shù)取值；
　　(

3、2)對(duì)蟻群算法的收斂性進(jìn)行了分析和證明，得出了幾個(gè)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(shí)現(xiàn)中，信息素?fù)]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(jì)算解種群的信息熵值，用此值來(lái)動(dòng)態(tài)調(diào)整信息素?fù)]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(wèn)題；基于此原理我們提出了一種動(dòng)態(tài)自適應(yīng)蟻群算法，通過(guò)對(duì)TSP問(wèn)題的求解驗(yàn)