12 / 2 页下一页

查看: 7613|回复: 13

蚁群算法

[复制链接]

字体大小: 正常放大

mengqj

11 主题	4 听众	73 积分

升级 71.58%

该用户从未签到

电梯直达

1^#

发表于 2009-8-22 20:29 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

基于优化蚁群算法的机器人路径规划
蚁群算法的连续空间算法研究
基于蚁群算法鲜活农产品配送路径优化研究

Ⱥ㷨ļϸ.pdf

245.8 KB, 下载次数: 24, 下载积分: 体力 -2 点

Ⱥ㷨ʻũƷ·Żо.pdf

207.65 KB, 下载次数: 16, 下载积分: 体力 -2 点

Ⱥ㷨ļϸ.pdf

245.8 KB, 下载次数: 20, 下载积分: 体力 -2 点

zan

转播0 淘帖0 分享0 收藏0 支持0 反对0 微信

使用道具举报

刘宝华

0 主题	4 听众	57 积分

升级 54.74%

该用户从未签到

2^#

发表于 2009-8-22 20:33 |只看该作者 |招呼Ta 关注Ta

l楼主能不能介绍下蚁群算法的适用范围啊？

我也说一句

发表

使用道具举报

东方明珠-WDZYQ

16 主题	21 听众	3372 积分

无

升级 45.73%

TA的每日心情

	开心 2013-10-25 15:56

签到天数: 4 天

[LV.2]偶尔看看I

自我介绍: 活泼，爱交友

群组: 数学建模

群组: 数学趣味、游戏、IQ等

群组: 我行我数

群组: Mathematica研究小组

群组: LINGO

3^#

发表于 2009-8-22 20:41 |只看该作者 |招呼Ta 关注Ta

都是写好的论文啊，借鉴好啊

我也说一句

发表

使用道具举报

tianya626

0 主题	3 听众	206 积分

升级 53%

该用户从未签到

群组: 数学建模

4^#

发表于 2009-8-22 20:58 |只看该作者 |招呼Ta 关注Ta

多谢了 ~

我也说一句

发表

使用道具举报

tianya626

0 主题	3 听众	206 积分

升级 53%

该用户从未签到

群组: 数学建模

5^#

发表于 2009-8-22 20:59 |只看该作者 |招呼Ta 关注Ta

挺不错的 ~

我也说一句

发表

使用道具举报

xiexiangyi0

0 主题	4 听众	41 积分

升级 37.89%

该用户从未签到

6^#

发表于 2009-8-22 23:52 |只看该作者 |招呼Ta 关注Ta

顶啊顶。。。

我也说一句

发表

使用道具举报

kfc315

6 主题	4 听众	134 积分

升级 17%

TA的每日心情

	开心 2013-3-7 15:34

签到天数: 1 天

[LV.1]初来乍到

7^#

发表于 2009-8-23 00:01 |只看该作者 |招呼Ta 关注Ta |邮箱已经成功绑定

非常感谢，受用了。

我也说一句

发表

使用道具举报

mengqj

11 主题	4 听众	73 积分

升级 71.58%

该用户从未签到

8^#

发表于 2009-8-23 21:16 |只看该作者 |招呼Ta 关注Ta

回复二楼：

蚁群算法（适用于理工多学科的先进算法）
20世纪90年代初期，意大利学者Dorigo Macro等人通过模拟自然界中蚂蚁集体寻径的行为而提出了蚁群算法（Ant Colony Algorithm简称ACA)，这是一种基于种群的启发式仿生进化算法。该算法最早成功应用于解决著名的旅行商问题（TSP）。它采用分布式并行计算机制，易于与其他方法结合，具有较强的鲁棒性。最近几年开始引起了国内外专家学者的关注。同禁忌搜索算法相比，它对初始解的依赖性不强；同遗传算法相比，蚁群算法中的个体之间不断进行信息交流和传递，其正反馈机制更有利于发现较好解。
仿生学家们长期的研究发现：蚁群作为一个整体是具有高度自组织性的，蚂蚁虽没有视觉，但运动时会在路径上释放出一种特殊的分泌物——信息素寻找路径。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，同时会释放出与路径长度有关的信息素。蚂蚁走的路径越长，则释放的信息素数量越小。当后来的蚂蚁再次碰到这个路口的时候，选择信息素数量较大路径概率就会相对较大，这样形成了一个正反馈机制。最优路径上的信息素数量越来越大，而其他路径上的信息素数量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。而且蚂蚁还能够适应环境的变化，当蚁群的运动路径上突然出现障碍物时，蚂蚁亦能够很快地重新找到最优路径。可见在整个寻径过程中，虽然单个蚂蚁的选择能力有限，但是通过信息素的作用使整个蚁群的行为具有非常高的自组织性，蚂蚁之间交换着路径信息，最终通过蚁群的集体自催化行为找出最优路径。蚁群算法便是基于这种正反馈自催化行为产生的。
蚁群算法包含两个基本阶段：适应阶段和协作阶段。在适应阶段，各候选解根据积累的信息不断调整自身结构#路径上经过的蚂蚁越多，信息素数量越大，则该路径越容易被选择；时间越长，信息素数量越小。在协作阶段，候选解之间通过信息交流，以期望产生性能更好的解。
蚁群算法寻优简单、鲁棒性强、易于并行化，是一种效率很高的寻优方法。它不依赖被控对象的精确数学模型，能有效地攻克十分困难的优化问题，使处理问题更具灵活性、适应性和鲁棒性。该方案不仅能提高控制系统设计的品质，而且能降低设计的难度。因此，蚁群算法各个工程领域中有着十分广阔的应用前景。