动态跃迁转移蚁群算法
摘要：给出了一利，改进的蚁群算法，该算法对蚂蚁初始位置选择上进行优化，能较大地提高进化速度，并且还通过动态地调整跃迁转移概
率，减少r停滞，加快lr收敛逑度 实验表明对于某些TSP问题，实验结果优于国外最新的成果
关健词：模拟进化算法；蚁群算法；旅行商问题；动态跃迁转移人们从生物的特性中受到启发，提出了许多用以解决复杂优化问题的新方法，并成功地应用于实际问题。特别发现蚂蚁群落在进行合作时基本上是自组织的，蚁群算法(antcolony algorithm，ACA)就是在这一基础研究上由意大利学者M．Dorigo，V．Maniezzo，A．Colorni等人首先提出来的一利z新型的模拟进化算 。。 ，该算法是一种利用计算机模拟蚁群活动的启发式搜索算法，呵对组合优化问题进行求解。用该算法求解TSP问题⋯、分配问题 ‘、j0b—shop调度问 ，取得了·系列较好的实验结果。因此，蚁群算法逐渐引起了一些研究者的关注，并用该算法来解决实际问题，如求解连续空间优化问题 5。尽管此算法被成功地应用解决多利z组合优化问题，但该算法也存在进化速度较慢、进化过程容易停滞
的缺陷。例如一些研究者提出的杂交算法 】、最大最小算法 ‘等，尽管这些算法比原先的算法有了改进，但杂交算法采用无方向随机杂交，杂交效率低，提高速度不明显；最大最小算法只是通过对信息素的大小进行限制，算法停滞的可能性仍然较大。本文从另一个角度出发，采用动态跃迁转移的方法，对蚂蚁选择城市(也是选择路径)进行 优化，使得算法能减少停滞，加快收敛速度。
l基本蚊群算法的原理
基本蚁群算法通过模拟生物界中的蚂蚁搜索食物的过程，也就是通过人工蚂蚁之间的信息交流与相互协作最终找
到从蚁穴到食物源的最短路径，这种算法被称为“人工蚁群算法”。为了说明人工蚁群算法的原理，先简要介绍一下蚂蚁搜索食物的具体过程：
蚂蚁之间通过⋯种叫“外激素”的物质进行交流，正女f】M．Dorigo等人在文献[I】中指出的：蚁群算法的最大的特点是蚁群中的蚂蚁采用“外激素”为媒介的间接的异步的联系方式。蚂蚁在行动(寻找食物或者寻找回巢的路径)中，会在它们经过的地方留下“外激素”。这些物质能被同一蚁群中后来的蚂蚁感受到，并作为一种信号影响后到者的行动(具体表现在后到的蚂蚁选择有这些物质的路径的可能性，比选择没有这些物质的路径的可能性大得多，选择较短的路......
想了解全部内容，请下载附件查看
