文档介绍：智能控制中蚁群算法的研究及展望姓名:李妍 学号:040930503 班级:0309102摘要:蚁群算法是一种新型的模拟进化算法,研究表明该算法具有很好的并行性和鲁棒性等优良性质,在离散的组合优化问题中实验,取得了良好的效果。本文阐述了蚁群算法的原理,对冃前蚁群算法的研究进展情况进行了分析,介绍了该算法在理论与实际问题中的应用,对蚁群算法的优缺点进行分析,对具前景进行了展望。关键词:蚁群算法原理研究现状展望引言:在当今社会中,随着人工智能和网络和网络技术的飞速发展,科学技术与其他多种学科相互交叉,互相渗透和融合,很多生物方面的研究专家和学者,通过对大自然中很多生物的生活现象和规律进行了大量的研究和探讨,提出了很多基丁生物信息系统的只能仿生算法,蚁群算法是这些群体傅能算法中的一个重要分支。,从生物进化的机制中受到启发,提岀了一•种新型的模拟进化算法。该算法不仅具有鲁棒性、正反馈性和分布式计算等优点,还能够智能搜索、全局优化等优势,在求解复杂的组合优化问题上有更强的优势,在分配问题、Job-shop调度和TSP求解等问题上,都有了较好的实验结果,越來越多的研究者对其关注和探讨,算法理论不断地完善。1、算法的原理蚁群算法是对口然界蚂蚁的寻径方式进行模拟而得岀的一种仿生算法。为了说明蚁群算法的原理,先简单介绍一下蚂蚁搜寻食物的具体过程。在蚂蚁群找到食物时,它们总能找到一条从食物到巢穴Z间的最优路径。这是因为蚂蚁在寻找路径时会在路径上释放一种特殊的信息索。当它们碰到一个还没有走过的路口时,就随机地挑选一条路径前行。丁此同时释放岀与路径长度有关的信息素。路径越长,释放的激素浓度越低。当后来的蚂蚁再次碰到这个路口的时候,选择激素浓度较高路径概率就会相对较大。这样就形成了一个止反馈。最优路径上的激索浓度越来越人,而其它的路径上激索浓度却会随着时间的流逝而消减。最终整个蚁群会找出最优路径。不仅如此,蚂蚁能够适应环境的变化,当蚁群运动路线上突然出现障碍物时,蚂蚁能够很快地重新找到最优路径。整个过程和前而所描述的方式是一致的。在整个寻径过程屮,虽然单个蚂蚁的选择能力有限,但是通过激素的作用,整个蚁群Z间交换着路径信息,最终找出最优路径。2、蚁群算法的实现过程在蚁群算法中,蚂蚁Z间相互习作可以较好地解决复杂优化问题。蚂蚁既能共同地行动,乂能独立地工作。每只蚂蚁都能够找到一个解,虽然有可能不是较好的解。蚂蚁Z间不能直接通讯,但可以通过信息素指引着蚂蚁Z间的信息交换。在实现蚁群算法时,实现蚂蚁个体的功能是非常重要的。只要蚂蚁个体的功能完善了,并且拥有了信息素的间接通讯方式,蚁群算法就基本上实现了。在蚁群算法中,蚂蚁个体需要实现以下四个重耍功能:(1) 基于概率的局部搜索策略:实际问题中,蚂蚁经常耍从一个状态点移动另一个状态点。经过这样有限步的移动,每只蚂蚁都建立了一个问题的解。在每一步的移动过程,蚂蚁应用基丁•概率的局部搜索策略选择移动方向。这个策略主要基丁蚂蚁的记忆以及信息素浓度,有时还有具体问题的局部信息等。(2) 蚂蚁的记忆:蚂蚁的记忆存储了关丁•蚂蚁过去的信息。这些记忆的信息可以用于计算所解决方案的价值或每一步移动的贡献。在一些组合优化问题中,利用蚂蚁的记忆可以正确引导蚂蚁构建方