论文部分内容阅读
本文主要针对一种崭新的求解组合优化问题的方法——蚁群算法进行了研究。蚁群算法是一种相对较新的启发式算法,它通过模拟蚂蚁的觅食行为以达到求解比较困难的组合优化问题的目的,是目前仿生学算法中较成功的例子。
虽然目前已经有遗传算法、神经网络等仿生学算法来解决组合优化问题,而且也已经取得了很好的发展,但是作为仿生学家族的新成员——蚁群算法,却以其全局优化、正反馈、分布式计算、智能搜索、易与其他算法相结合等特点而越来越受到人们的关注。
该算法最早由M.Dorigo等人于1991年提出,迄今为止,经过十多年的研究,已经取得了飞速发展。蚁群算法作为一种原理简单的新型仿生进化算法,已经被应用于各种不同的领域,首先应用于旅行商问题中获得了极大的成功,其后,又被应用于求解二次分配、Job-shop调度问题、图着色问题和网络路由等问题中,均取得了很好的效果。随着研究的深入,许多学者又相继提出了一些改进的优化算法,如带精英策略的蚂蚁系统、基于优化排序的蚂蚁系统、蚁群系统、最大-最小蚂蚁系统等。
本文首先对在过去十多年里,蚁群算法的发展状况作了一个总结,其次提出了一种新型的改进蚁群算法——基于排序加权的蚁群算法(ACOrw),并且分别从理论和计算机仿真试验两个角度检验了算法的可行性,最后利用可拓学的优度评价原理,将基于排序加权的蚁群算法、基本蚁群算法和一种改进的蚁群算法进行综合评价。