首页 > 代码库 > 智能算法---蚁群算法
智能算法---蚁群算法
智能算法---蚁群算法
1 蚁群算法及其基本思想
蚁群算法是一种智能优化算法,通过蚁群优化求解复杂问题,ACO在离散优化问题方面有比较好的优越性。
基本思想(以旅行商问题为例)
设置多只蚂蚁,分头并行搜索。
每只蚂蚁完成一次周游后,在行进的路上释放信息素,信息素量与解的质量成正比。
蚂蚁路径的选择根据信息素强度大小(初始信息素量设为相等),同时考虑两点之间的距离,采用随机的局部搜索策略。这使得距离较 短的边,其上的信息素量较大,后来的蚂蚁选择该边的概率也较大。
每只蚂蚁只能走合法路线(经过每个城市1次且仅1次),为此设置禁忌表来控制。
所有蚂蚁都搜索完一次就是迭代一次,每迭代一次就对所有的边做一次信息素更新,原来的蚂蚁死掉,新的蚂蚁进行新一轮搜索。
更新信息素包括原有信息素的蒸发和经过的路径上信息素的增加。
达到预定的迭代步数,或出现停滞现象(所有蚂蚁都选择同样的路径,解不再变化),则算法结束,以当前最优解作为问题的最优解
2 表示方式
2.1 参数表示
2.2 计算公式
3 ACO算法步骤
4 ACO算法解决旅行商问题
4.1 问题提出
4.2 参数设置
4.3 计算结果
首先对每个节点求对应的参数
有如下图5个结果
根据得到的结论,再次有蚂蚁从五个点出发时,走过的路径如下面五个表所示
结论:当出现停止现象的时候,说明已经得到最优解,算法结束,最优解为:AEDCBA,目标函数值为9
5 ACO的优缺点
ACO的优点
较强的鲁棒性——稍加修改即可应用于其他问题;
分布式计算——本质上具有并行性;
易于与其他启发式算法结合。
PSO的缺点
一般需要较长的搜索时间;
容易出现停滞现象;
只适用于离散问题
智能算法---蚁群算法
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。