您现在的位置是:源码地带 > 资源下载

蚁群算法的基本原理和改进

  • 上传时间: 2022-03-10
  • 上传用户:hxd
  • 资源积分:2 下载积分
  • 标      签: 蚂蚁算法

资 源 简 介

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。

相 关 资 源