📦 蚁群算法的基本原理和改进 - 免费下载

蚁群算法基本模型
STEP1（外循环）
若满足算法停止规则，停止计算，输出计算得到的最好解
给定外循环的最大数目，表明有足够的蚂蚁工作当前最优解连续K次相同而停止，K是给定的整数，表示算法已收敛
◆给定优化问题的下界和误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止否则使蚂蚁s（1≤s≤m）从起点出发，用L（S）表示蚂蚁S行走的城市集合，初始L（s）为空集。

设m只蚂蚁在图的相邻节点间移动，协作异步地得到解。
蚂蚁计算出下一步所有可达节点的一步转移概率，并按此概率实现一步移动，依此往复。
一步转移概率由图中每条边上的两类参数决定：信息素值、可见度（即先验值）。信息素的更新有2种方式：挥发——所有路径上信息素以一定比率减少增强——给评价值“好”（有蚂蚁走过）的边增加信息素

蚁群算法基木模型
令我们以求解平面上n个城市的TSP问题（1，2，…，n）表示城市号为例说明ACA的模型。n个城市的TSP问题就是寻找通过n个城市各次且最后回到出发点的最短路径

蚁群算法研究现状
令ACA是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。10年多来的研究结果已经表明：ACA用于组合优化具有很强的发现较好解的能力，具有分布式计算易于与其他方法相结合、鲁棒性强等优点，在动态环境下也表现出高度的灵活性和健壮性。在求解TSP、QAP问题方面，与遗传算法、模拟退火算法等算法比较，ACA仍是最好的解决方法之一。

点击标签查看更多相关资源：