文档介绍：攵源蠊婺5腡问题,提出了一种并行蚁群算法一一并行蚁群系统。同摘要瓹通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法——蚁群社会性动物的群集活动往往能产生惊人的自组织行为,如个体行为显得简单、盲目的蚂蚁组成蚁群以后能够发现从蚁巢到食物源的最短路径。生物学家经过仔细研究发现蚂蚁之间通过一种称之为“外激素”的物质进行间接通讯、相互协作来发现最短路径。受这种现象启发,。该算法的出现引起了学者们的巨大关注,在过去的短短十余年时间内,蚁群算法已经在组合优化、函数优化、系统辨识、网络路由、机器人路径规划、数据挖掘以及大规模集成电路的综合布线设计等领域获得了广泛的应用,并取得了较好的效果。本论文围绕蚁群算法的原理、理论及其应用,就如何改进基本蚁群算法、蚁群算法的并行实现,蚁群算法在组合优化、函数优化以及电厂主蒸汽温度控制系统等领域的应用进行了较为深入、系统的研究。本文的主要研究成果包括:提出了一种回溯蚂蚁系统。该算法使用了一种新的类型的回溯蚂蚁来发现新的路径,类似于算法中在周围区域中的抽样。除了对信息素的轨迹量限制一个最大和最小值以防止停滞以外,该算法让蚂蚁随机的选择最好解的那一条边,并且迫使蚂蚁避免这条边,然后用周游的方法更新信息素矩阵,而不是发现的最好解。仿真实验结果证明:该算法在无论是求解对称还是非对称题都可以和算法相媲美,体现了很高的性能。岢隽艘恢侄嘀匾先核惴ā8盟惴ㄊ鞘懿⑿幸糯惴ǖ母拍钏舴ⅲ谇解侍馐笔褂貌煌秩核阉鹘饪占湟员苊饩植孔钣糯佣竦萌ň肿钣拧6约个嘉侍獾姆抡媸笛榻峁な盗烁盟惴ǖ挠行院涂尚行裕湫阅芨哂惴ā以往的并行策略不同的是,该算法把并行处理的概念用之于蚁群系统。该算法把人工蚂蚁分成几个群,然后把蚁群系统应用于每一个群体,群体之间可以进行通讯,即按照邻居群所发现的最好路径米更新自己每条路径上的信息素水平。该算法不仅减少了计算时间,而且具有极高的搜索较好解的能力。仿真实验结果表明了凌算法的有效性,而且其性能也远远超过了惴ê虯惴ā岢隽饲蠼夂呕侍獾腉惴ā8盟惴ㄊ腔谝糯惴ê吐煲纤法的混合算法。其基本思路是算法前过程采糯惴ǎ浞掷靡糯惴ǖ目速性、随机性、全局收敛性,其结果是产生有关问题的初始信息素分布。算法后过程采用蚂蚁算法,在有一定初始信息素分布的情况下,充分利用蚂蚁算法的并行性、正反馈机制以及求解效率高等特性,提高求解效率。实验结果表明,该算法是一种时间效率和求解效率都比较好的求解函数优化问题的有效算法。岢隽艘恢智蠼獾绯е髡羝露却禤控制系统参数优化的蚁群算法。该算法针对问呕奶氐悖芽刂葡低车木晕蟛畹木氐幕肿魑F兰鄣中文摘耍
制以搜索更优的解。实验结果证明,蚁群算法应用于主蒸汽温度刂破鞑问性能指标来对控制系统进行优化;而后在蚂蚁的搜索过程中,嵌入了邻近搜索机的优化是可行和有效的,而且比传统的方法和遗传算法具有更高的性能。最后,对全文的研究鹘衦总结,并寸蚁群算法的未来研究方向作了展望。关键词:蚁群算法,信息素,协同机制,并行实现,组合优化,函数优化,电厂主蒸汽温度控制系统浙江大学博士学位论文
蟘茎茎塑墨—魽姒甌瑂.“保,—.,,,畃琩琣.,,—琾瑂田。,,
舳覣—.浙江大学博士学位论文瓵甇.,琣瑃..,.甌,.瓵:瓻,瑃:琍,琾,,
英文摘要—
啊薄于世纪年代初提出了一种新型的智能优化算法一蚂蚁系统绪论化‘删、系统辨识⋯⒒魅寺肪豆婊、数据挖掘㈣、网络路由‘”“等问题引言呈现在人们眼前。面对系统的复杂性,由于始终没有突破传统计算思想的藩篱,以取!蔽4淼母髦址此己团德壑追子肯郑斯ぶ悄艿难芯壳熬又一次变得黯淡下来。但是大自然始终是开启人类智慧的老师,随着人们对生命所认为的“我们应该从生物学而不是物理学受到启发⋯⋯川”那样,对生的研究,成为人工智能迎接新曙光而行为引起了人们的广泛关注,许多学者对这种行为进行数学建模并用计算机进行仿真,这就产生了所谓的“群体智能”<虺芐睁”U些社会性动物的特点在于:个体的行为都非常简单,但是当它们一起协同工作时,却能够显示处非常复杂的行为特征。例如:单只蚂蚁的能力有限,但是当这些简单的蚂蚁组成蚁群时,却能完成象筑巢、觅食、迁徙、清扫蚁巢等复杂行为;一,简称盟惴ㄊ紫扔τ糜谇蠼庵穆眯猩涛侍更为广泛的领域,取得了一些令人鼓舞的成果”’”’⋯。近几年,瓺热刷怼将蚂蚁算法进一步发展成一种通用的优化技术——,并将所有符合蚣艿穆煲纤惴ǔ莆R先河呕惴,从而为睦砺垩芯亢退惴ㄉ杓铺峁┝艘桓鐾骋坏目蚣堋6砸先算法的应用研究一直非常活跃,目前该算法已经在求解组合优化““[凇⒑随着人类探索脚步的不断前进,复杂性、非线性、系统性的问题越来越多的人工智能在经历了上世纪年代整整余年的辉煌之后,已经逐渐陷入困境“本质的认识的不断深化,生命科学以前所未有的速度发展,使人工智能的