文档介绍：叮叭侨户,、
曳少’日欲令》·
东南大学蚁群优化算法的研究与应用

摘要
人工智能自从诞生之日起,就得到了广泛的应用,并取得了丰硕的成果。
现在,人工智不断向广度和深度方向发展,涌现出了一些新的发展方向。人工生
命以基于行为的人工智能而受到人们的青睐,它有助于人们理解和解释复杂系
统,为人们解决实际生活中的困难问题提供了新的方法和新的思路,蚁群优化算
法是其中的一个典型的仿生算法“
蚁群优化算法,是九十年代才提出来的,是一种随机搜索算法,具有正反
馈、分布计算和启发性搜索的特点。尽管蚁群优化算法目前在理论上还不很成熟,
但在解决一些离散化的问题中,显示出了特别显著的效果,要优于其它的一
些随机搜索算法。
本文首先对蚁群优化算法的发展背景、内容、实现方法和性能作了详细介
绍,然后对该算法本身进行了深入研究。
一根据信息素强度的挥发速率对整个系统信息素强度和蚁群的选择路径有着
直接或间接影响的情况,提出了有约束条件和无约束条件限制的、由系统自动产
生可变信息素挥发速率的想法。产生信息素可变速率的方法有三种第一是用均
匀分布函数来产生第二是用高斯函数第三是用处于混沌状态的映射
来产生。实验证明,在解决低维的旅行商问题袱效果是比较好的,各种方法都
有值得针对信息素强度在蚁群之间起通讯、协作的关键作用,提出了利用全局和
局部最优解来增强优质个体所走路径上的信息素强度的思想,并对以上想法进行
验证和分析同时,也提出了增大那些没有被访问过城市的被选择的概率的思想,
并与其他的几种常用的改进算法进行了比较,指明了这种算法的可参考性。
在研究蚁群优化算法的混合算法方面,对当前的几种用遗传算法和蚁群算
法进行结合的混和算法进行了说明,并指出了在蚁群优化算法中穿插遗传算法的
混合算法所面临的困难及努力的方向。
而后,用蚁群优化算法成功的解决了复杂的迷宫问题,并将这种解决问题
的思路进行了延伸和拓宽,让它去解决交通优化问题,且对几个交通模型进行了
模拟和仿真,论证了它的可行性。
最后,以解决中国旅行商问题作为例,提出了对蚁群优化算法的改进方案
什,并将它与几种常见的改进方法进行了比较,证明了这种改进的算法具
有加快系统收敛的特性。
关键词人工智能,人工生命,蚁群系统,蚁群优化算法,旅行商问题
东南大学硕士论文蚁群优化算法的研究与应用
东南大学硕士论文蚁群优化算法的研究与应用
东南大学硕士论文蚁群优化算法的研究与应用
第一章绪论
人工智能「
咭”是在年由等人发起的关于机器
模拟智能的学术讨论会上提出的。自此,对于的研究取得了许多重要的成果,
在众多领域如机器人、自然语言理解、专家系统等获得了广泛的应用。
人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知
识,心理学和哲学。人工智能是包括十分广泛的科学,由不同的领域组成,如机
器学习,计算机视觉等等,总的说来,人工智能的目的就是让计算机这台机器能
够象人一样思考。
对于的研究主要有三个学派符号主义、联结主义和行为主义。符号主
义的基本理论是物理符号系统、假设和有限合理性原理。这里思维
的基元为符号,思维过程就是对符号的处理过程。它以一般问题求解为主要研究
对象,采取表处理的启发式搜索策略,提出或发展了多种搜索算法如宽度搜索
算法、深度搜索算法、启发式搜索算法、与或图的盲目搜索算法、与或图的
启发式搜索算法、博弈树搜索的极大极小算法。一过程等,并在机器定理证明、
机器人规划等方面取得了重大进展。然而随着研究的深入,不断地暴露出了符号
主义观点和方法的局限性,因为知识表示、知识获取的困难性及巨大计算量等问
题采用符号主义的观点与方法对其已不能进行有效的解决。联结主义
的理论基础是脑模型,思维的基元为神经元,思维过程是基于脑
模型的神经元联结机制。年代,对于感知机模型的研究曾出
现过高潮。年和年霍普费尔德在其两篇论文中,给出了人工
神经元网络模型。年鲁梅尔哈特提出了用于多层网络反向传播算法一
算法。现今对于人工神经元网络的研究正方兴未艾。但是,一方面,由于现
有脑模型研究成果还不能精确反映人脑的实际模型,另一方面,我们还是在基于
冯·诺依曼型串行机器上来实现或模拟联结机制的固有的大量并行操作,还不
能充分发挥联结机制的潜力。从而,不管是在理论模型上还是在硬件技术上对于
联结机制还有待进一步的研究。行为主义的理论基础为维纳和麦克洛
等提出的控制论。行为主义认为应是源于控制论,思维基元为感知、行为单
元。布鲁克斯给出的六足行走机器人是这一学派的代表作之一,对于机器人行为
特性的研究主要采取的