蚁群算法适用于哪些问题

《智能计算—蚁群算法基本综述》

班级： 研1102班 专业： 计 算 数 学 姓名： 刘 鑫 学号： 1107010036

2012年

蚁群算法基本综述

刘 鑫

（西安理工大学理学院，研1102班，西安市，710054）

摘 要:蚁群算法( ACA)是一种广泛应用于优化领域的仿生进化算法。ACA发展背景着手，分析比较国内外ACA研究团队与发展情况立足于基本原理,分析其数学模型,介绍了六种经典的改进模型，对其优缺点进行分析，简要总结其应用领域并对其今后的发展、应用做 出展望。 关键词: 蚁群；算法；优化；改进；应用 0 引言

专家发现单个蚂蚁只具有一些简单的行为能力。但整个蚁群却能完成一系列复杂的任务。这种现象是通过高度组织协调完成的1991年。意大利学者M.Dorigo首次提出一种新型仿生算法ACA。研究了蚂蚁的行为。提出其基本原理及数学模型。并将之应用于寻求旅行商问题(TSP)的解。

通过实验及相关理论证明,ACA有着有着优化的选择机制的本质。而这种适应和协作机制使之具有良好的发现能力及其它算法所没

%%蚁群算法商旅问题matlab程序 %%导入数据(城市的坐标)

citys=[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1229;4196 1004;4312 790;4386 570;3007 1970;2562 1756;2788 1676;1332 695;3715 1678;3918 2179;4061 2370;3780 2212;3676 2838;4263 2931;3429 1908;3507 2367;3394 2643;3439 3201;2935 3550;2545 2357;2778 2826;2370 2975];

%%计算城市之间相互距离 n=size(citys,1); D=zeros(n,n); for i=1:n for j=1:n if i~=j

D(i,j)=sqrt(sum((citys(i,:)-citys(j,:)).^2)); else

D(i,j)=1e-4; end end end

%%初始化参数 m=

1 C++基本蚁群算法代码 #include #include #include #include using namespace std; const int iAntCount=34;//ant numbers const int iCityCount=51; const int iItCount=2000; const double Q=100; const double alpha=1; const double beta=5; const double rou=0.5; int besttour[iCityCount]; double rnd(int low,double uper) { double p=(rand()/(double)RAND_MAX)*((uper)-(low))+(low); return (p); }; int rnd(int uper) { return (rand()%uper); }; class GInfo { public: double m_dDeltTrial[iCityCount][iCityCount

适用于液晶1602（八线）显示的最小

系统制作

制作流程 原理图的绘制 PCB排版 原件的焊接

调试与检测 原理图

上图排针是为了引出单片机端口用作其它方面。

PCB、排版

住：此处的1602使用了排针的封装。可作参考

成品图

成品图

应用示列 材料单

元件 数量 16pin单排针母座 2.54间距 1*16P单排座 直针底座1602液1 晶屏插座 40pin单片机座 单片机（根据需要选择型号） 电解电容10uF/25V LED指示灯 复位开关 晶振12M 1 1 1 1 1 1 330欧电阻 电阻10K 排针 陶瓷电容103 陶瓷电容30 1 1 数个 1 2 USB接口母座(90度弯脚)A型电脑USB接头 USB座母口母1 头 USB 公头转公头 A公对A公线 USB电源线USB数据线 1 USB对录线 可调电阻10K 排阻220欧 自锁开关 1 1 1

%{

[代码说明]

蚁群算法解决VRP问题

[算法说明]

首先实现一个ant蚂蚁类，用此蚂蚁类实现搜索。

算法按照tsp问题去解决，但是在最后计算路径的时候有区别。

比如有10个城市,城市1是配送站，蚂蚁搜索的得到的路径是1,3,5,9,4,10,2,6,8,7。

计算路径的时候把城市依次放入派送线路中,

每放入一个城市前，检查该城市放入后是否会超过车辆最大载重 如果没有超过就放入

如果超过，就重新开始一条派送路线 ……

直到最后一个城市放完 就会得到多条派送路线

这样处理比较简单可以把vrp问题转为tsp问题求解 但是实际效果还需要验证。

[作者]

Wugsh@2011.12.16

wuguangsheng@hisense.com guangsheng.wu@163.com %}

%清除所有变量和类的定义 clear;

clear classes;

%蚁群算法参数(全局变量) global ALPHA; %启发因子 global BETA; %期望因子

global ANT_COUNT; %蚂蚁数量 global CITY_COUNT; %城市数量 global RHO; %信息素残留系数!!! global IT_C

用ACO 算法求解机器人路径优化问题

4.1 问题描述

移动机器人路径规划是机器人学的一个重要研究领域。它要求机器人依据某个或某些优化原则(如最小能量消耗，最短行走路线，最短行走时间等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划问题可以建模为一个有约束的优化问题，都要完成路径规划、定位和避障等任务。

4.2 算法理论

蚁群算法（Ant Colony Algorithm，ACA），最初是由意大利学者Dorigo M. 博士于1991 年首次提出，其本质是一个复杂的智能系统，且具有较强的鲁棒性，优良的分布式计算机制等优点。该算法经过十多年的发展，已被广大的科学研究人员应用于各种问题的研究，如旅行商问题，二次规划问题，生产调度问题等。但是算法本身性能的评价等算法理论研究方面进展较慢。

Dorigo 提出了精英蚁群模型（EAS），在这一模型中信息素更新按照得到当前最优解的蚂蚁所构造的解来进行，但这样的策略往往使进化变得缓慢，并不能取得较好的效果。次年Dorigo 博士在文献[30]中给出改进模型（ACS），文中

改进了转移概率模型，并且应用了全局搜索与局部搜索策略，来得进行深度搜索。 Stützle 与Hoo

用ACO 算法求解机器人路径优化问题

4.1 问题描述

移动机器人路径规划是机器人学的一个重要研究领域。它要求机器人依据某个或某些优化原则(如最小能量消耗，最短行走路线，最短行走时间等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划问题可以建模为一个有约束的优化问题，都要完成路径规划、定位和避障等任务。

4.2 算法理论

蚁群算法（Ant Colony Algorithm，ACA），最初是由意大利学者Dorigo M. 博士于1991 年首次提出，其本质是一个复杂的智能系统，且具有较强的鲁棒性，优良的分布式计算机制等优点。该算法经过十多年的发展，已被广大的科学研究人员应用于各种问题的研究，如旅行商问题，二次规划问题，生产调度问题等。但是算法本身性能的评价等算法理论研究方面进展较慢。

Dorigo 提出了精英蚁群模型（EAS），在这一模型中信息素更新按照得到当前最优解的蚂蚁所构造的解来进行，但这样的策略往往使进化变得缓慢，并不能取得较好的效果。次年Dorigo 博士在文献[30]中给出改进模型（ACS），文中

改进了转移概率模型，并且应用了全局搜索与局部搜索策略，来得进行深度搜索。 Stützle 与Hoo

《自动化技术与应用》２００９年第２８卷第６期

控制理论与应用

Control Theory and Applications

基于改进蚁群算法的最短路径问题研究*

张学敏,张 航

（中南大学 信息科学与工程学院,湖南 长沙 410075）

摘 要:最短路径问题是智能交通:交通网络分析中的一个重要问题。文章分析了基本蚁群算法在求解交通网络两点之间最短路径时

所出现的问题,并针对这些问题,在方向引导及信息素更新等方面对算法进行了改进。实验证明,改进后的方法较基本蚁群算法能准确快速地找到交通路网中两点间的最短路径,是切实可行的。

关键词:智能交通;最短路径;蚁群算法

中图分类号:TP301.6 文献标识码:A 文章编号:1003-7241(2009)06-0004-04

Research An Improved Ant Colony Algorithm of the

Optimal Routing Problem

ZHANG Xue-min, ZHANG Hang

( School of Information Science and Engineering, Central South University, Changsha 410075 China )

改进的蚁群算法在TSP问题上的应用

摘要：旅行商问题（Traveling Salesman Problem，TSP）是近代组合优化领域的一个典型难题。现实生活中的很多问题都可以转化为TSP问题，如邮路问题、通讯网络设计、大规模集成电路的综合布线设计等。因此，对TSP问题的研究具有重要的理论意义和实际应用价值。然而关于TSP问题的完全有效的算法目前尚未找到，这促使人们长期以来不断地探索并积累了大量的算法。本文所用到的蚁群算法也在其中。

蚁群算法是受大自然中蚂蚁觅食启发而提出的一种智能仿生算法，具有较强的鲁棒性、分布式计算、易于与其它方法结合等优点。本文提出一种基于模糊集合的改进蚁群算法，该算法根据隶属度对种群进行评价，并依此进行信息素的更新，在求解速度和解的质量上取得一个较好的平衡。通过对改进算法的仿真实验，验证了该算法的可行性及有效性。本文主要的研究工作如下:

1．阐述了论文研究的背景及意义，总结了迄今为止出现的求解TSP问题的各种方法，并对常见的求解方法的优缺点进行了详细的分析，最后，分析了蚁群算法国内外研究现状。

2．给出了蚁群算法的基本原理、算法模型以及特点。

3．提出一种改进的蚁群算法。该算法引入模糊集合的概念，利用隶属度对蚁群寻找到

北京工业大学

硕士学位论文

蚁群算法及其应用研究

姓名：黄振

申请学位级别：硕士

专业：计算机软件与理论

指导教师：冀俊忠

20080401

！！！！！！！！！！！！！！！！！！！！！！！！！！！！！，！， ＿Ｉ—，＿■Ｉ—－—Ｉ ———＿Ｉ—ｍ摘要

ｍ＿—＿ －—Ｉ————ｌ＿——一

摘要

生物学家研究发现自然界的蚂蚁个体可以分泌一种称为“信息素＂的化学物质，蚂蚁群体通过“信息素”进行间接的通讯、协作来寻找从巢穴到食物的最短路径。受其启发，意大利学者Ｄｏｒｉｇｏ等对蚂蚁的觅食行为进行仿真研究，提出了蚁群算法。在随后的十多年时间里，蚁群算法已经在组合优化、网络路由、函数优化、数据挖掘、机器人路径规划等领域获得广泛的应用，显示出蚁群算法在求解复杂问题方面的优越性，有广阔的发展前景。

然而，蚁群算法仍然存在一些缺陷：如算法的收敛速度较慢，易陷入停滞等。本文围绕蚁群优化的原理及应用，就如何改进基本蚁群算法以及蚁群算法在旅行商问题ＴＳＰ（Ｔｒａｖｅｌｉｎｇ

ＫｎａｐｓａｃｋＳａｌｅｓｍａｎＰｒｏｂｌｅｍ）、多维背包问题ＭＫＰ（ＭｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＰｒｏｂｌｅｍ）ｑｂ的应用进行了研究，并基于标准的数据集对一些已有算法和提出的算法进行了效率和精度的比较和分析。

首先，提