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。