文档介绍：个人资料整理 仅限学****使用
南京航空航天大学金城学院
毕业设计 <论文）开题报告
题
目
基于蚁群算法的 TSP
且 Tj=0 。 放置 m 个蚂蚁到 n 个城市上。
步骤 2: 将各蚂蚁的初始出发点置于当前解集 TABUk(s>中。 对每个蚂蚁
k(k=1, ?,m>, 按概率 Pij(t> 移至下一城市 j 。 将城市 j 置于 TABUk(s>中。
步骤 3: 经过 n 个时刻 , 蚂蚁 k 可走完所有的城市 , 完成一次循环。计算每
个蚂蚁走过的总路径长度 Lk, 更新找到的最短路径。
步骤 4: 更新每条边上的信息量 Tij(t+n>
步骤 5: 对每一条边置 Tij=0 。 nc=nc+1
步骤 6: 若 nc<预定的迭代次数 Ncmax, 则转步骤 2。 否则 , 打印出最短路径 ,
终止整个程序。
蚁群算法优缺点
蚁群算法是一种分布式的本质并行算法，蚁群算法是一种正反馈算法，蚁群算法具有较强的鲁棒性，易于与其它方法结合。但蚁群算法收敛速度慢、计算时间长，易于过早陷入局部最优，不利于解决连续问题。
蚁群算法的展望
<1） 目前大部分改进的蚁群算法都是针对于特定问题 , 普适性不强 , 同时蚁
群算法模型也不能直接应用于实际优化问题。虽然正反馈机制就是一个很好的普适
性模型 , 但还远远不够。因此 , 急需设计一种通用的蚁群算法普适性模型。
<2） 现阶段的蚁群算法只是模拟了自然蚂蚁很少一部分社会性 , 例如信息素
机制。仍然有很大的空间去提出更加智能化的蚁群行为。
<3） 蚁群算法目前还带有明显的经验性 , 很多结果只是建立在实验的基础之
上, 需要逐步奠定其理论基础。
因此，根据 TSP问题的特点，建立蚁群算法的模型，可以较好的解决此类组合优化问题 <NP问题）。
参考文献
个人资料整理 仅限学****使用
[1]Dorigo M ． Ant algorithms and atigmergy[J]
． FutureGeneration Computer
,16<8 ）： 851-871
[2]
DorigoM ．Gambardella L ． M．Ant colony system
： a cooperative learning
approach to the traveling
salesman
problem[J] ． IEEE Trans ． on
Evolutionary Computation
，1997，1<1）： 53－66
[3]
DorigoM ． Luca
M． The
ant colonyalgorithm
applied to
the nuclear
reload problem
． Annals of Nuclear Energy
． 2009， 29<12）： 1455－