蚁群算法的分析及其改进研究.pdf

r_] 董 祝永华 余世明 (浙江工业大学浙西分校信 电系，浙江 衢州 524000) 摘 要：蚁群优化算法 (AntColonyOptimizationACO)是一种新颖的仿生进化类算法，适用于求解各种复杂组合优化问题 。 当前该研究方法 尚处于研究的初级阶段，本文针对传统的蚁群算法容易出现早熟和停滞现 象，提 出了一种新的自适应蚂 蚁算法，对传统的蚁群算法中的信息素参数进行动态的 自适应调整 ，并选取几个典型TSP问题进行实验，结果表明改进 蚁群算法具有更好的搜索全局最优解的能力以及更好的稳定性和收敛性。 关键词：蚁群算法； 自适应；信息素 TheAnalysisofAn tColonyAlgorithm andItsAdvancedResearch ZHUYong．hua．YUShi—ming (WestBranchofzIuTQuzhou，Zhejiang324000，China) Abstract：AntColonyOptimization (ACo)iSanovelbionicevolutionaryalgorithm forsolvingcomplexcombinatorial optimizationproblems．Thisresearchapproachliesatinitialstageatpresent，andanew adaptiveantalgorithm isproposed forthetraditionalantalgorithm easilyappearsprecociousandstagnationbehaviorphenomenoninthispaper．Andthe traditionalparameterofpheromoneofantcolonyalgorithm isself—adaptiveadjusted．SelectinganumberoftypicalTSP problemstoexperiment，theresultsareindicatedthatthenew adaptiveantcolonyalgorithm hasabetterabilitytosearch theglobaloptimalsolutionandhavebetterstabilityandastringency． Keywords：ACS：Self．adaptive；Pheromone l 基本蚁群算法原理叫嘲 解。T1是启发式因子，表示蚂蚁k从城市i行进到城市j的期 基本蚁群算法受真实蚁群觅食行为策略的启发，蚂蚁 望程度，通常取d的倒数； 和p分别表示信息素和启发式 在觅食过程中对所经过路段释放一种被称为信息素的物 因子在方程中相对重要程度；当所有蚂蚁完成一次遍历之 质，其他经过该路段 的蚂蚁通过对残留信息素的数量判断 后，各路径上的信息素再根据式2进行全局更新： 是否重复该路段，从而找到一条巢穴到食物源之间的最短 u(1+1)二。(1-p)zji(t)+Azu — — (式2) 路径 。该路段残留信息素越多，所有蚂蚁选择该路段的可 m Ax=∑△t 能性也就越大。 ／ 其中，p(O P 1)表示挥发系数，llp表示持久性系数， 2 基本蚁群算法的模型 下面以求解平面上n个城市的TSP为例来简要地介绍一 Ax．表示本次迭代后信息素的增量， 表示第k只蚂蚁在 下用于TSP 的基本蚁群算法 。蚁群算法模型n个城市 的 本次迭代中残 留在边上的信息素量。根据信息素不同的更 TSP~P为寻找通过n