论文部分内容阅读
蚁群是一种十分常见的群居昆虫群体。尽管其单个个体都很简单,但是整体仍表现出来了高度结构化的组织社会性,能完成很多复杂的、其个体不能完成的任务。 蚁群算法的诞生是从对自然界中真正的蚂蚁群体的觅食行为中观察而得来的。当蚂蚁们在食物源和巢穴间爬行的时候,它们在地面上释放一种称为信息素的物质,同时形成了一条信息素轨迹。蚂蚁可以嗅到路径上的信息素。当它们在选择路径的时候,会按照概率选择信息素浓度大的路径。通过遗留在地面上的信息素轨迹,蚂蚁就可以发现觅食时的归途;同时也可以引导它的同伴去发现食物。实验已经表明,蚂蚁们跟踪信息素路径的行为确实导致了最短路径的发现。换言之就是当食物源和巢穴之间存在多条路径时,一群蚂蚁通过跟踪由个体留下的信息素轨迹从而最终发现了巢穴和食物之间的最短路径。 自从蚁群算法由Maurco Dorigo和他的同事首先提出以来,作为一种多agent的方法,已很好地解决了一些复杂的组合优化问题,如旅行商问题和指派问题。目前已经有很多种基于蚁群算法或其改进算法应用于各种不同的离散优化问题,这些研究已经涵盖了车辆路径规划,顺序订货问题,地图着色问题以及网络中的路由通信问题等等。 国内针对蚁群算法的研究也如火如荼地进行着,其研究大致可分为理论研究和应用研究两种类型:理论研究主要包含两部分,一是针对算法本身进行改进,提出新的算法;二是针对蚁群算法理论本身进行研究,如收敛性的研究等。诸如:针对信息素释放修改进行改进、针对概率选择方式进行改进、与其它方法进行结合。目前算法理论研究开展得仍不是很充分,大部分的工作和算法的收敛性研究相关。应用研究则是将成熟的方法应用于各自不同的特定领域,诸如:电力系统优化、数据挖掘、图像处理等,并在各自的领域的应用取得了很大进展。 本文较为系统地研究了基于时间模型的蚁群算法等及其应用。 一.提出了基于时间模型的蚁群算法。与传统的算法相比,该算法从蚁群寻径的正反馈过程出发,以一个新的角度,更加真实地再现了蚁群的活动过程,忠实于蚁群算法的生物学原理。实验表明该算法解的质量较传统的基本蚁群算法更优。