蚁群算法中的信息素更新方法探讨
毕业论文关键词 蚁群算法；信息素更新；收敛速度；商旅问题
Title Study on the Pheromone Update Method of the Ant Colony Algorithm
Abstract
Ant colony algorithm is a new kind of intelligent optimization method
developed in the 1990s. The method imitates the behavior of ants to solve
various complex problems. The robustness, excellent distributed computer
system, and easy to combine with other methods of the method makes it become
the object of attention. In recent years, it is becoming a hot research.
But it also has a long convergence time, prematurity and other
shortcomings. There are many factor impact of the method’s convergence.
The pheromone updating method has a greatest influence on the convergence
of the algorithm. Therefore, this paper summarizes some basic ant colony
algorithms and compares the convergence rate of speed under different
pheromone update methods.
Keyword: ant colony algorithm;Pheromone update;Convergence rate;TSP
目次
1 绪论.1
1.1引言.1
1.2蚁群算法的发展.2
2 蚁群算法原理.3
2.1蚁群觅食的特性.3
2.2人工蚂蚁搜索过程.5
2.3人工蚂蚁与真实蚂蚁的异同.6
2.4基本蚁群算法的原理.7
3 信息素更新方法不同的蚁群算法.13
3.1 基本蚁群算法（Ant System， AS 算法）.13
3.2 蚁群系统（Ant Colony System，ACS）14
3.3最大-最小蚂蚁系统（MAX-MIN Ant System ，MMAS）.17
4 蚁群算法的运用.18
5 蚁群算法的展望19
6 实验对比.20
总结.22
致谢.23
参考文献.241
绪论
1.1引言
作为运筹学中的重要部分，组合优化问题通常使用数学的方法来研究、解决问题，
如离散寻优，分组、排序、筛选等问题都是组合优化问题研究的对象 ] 1 [
。组合优化问
题的研究范围相当广泛，涉及工业工程、交通运输、通信工程、经济和信息技术等领
域。而组合优化问题规模较大，解的多样性也很复杂。如经典的旅行商问题。研究此
类复杂问题的人们为了求得较优解往往采用仿生学方法，蚁群算法便是其中的重要代
表之一。
虽然这类仿生优化方法的灵感来于自然界， 但用来解决工程实际问题特别有效率。
方法都有局限性， 要想得到更高效更简洁的方法， 只有抓住方法的关键部位进行优化，
才能达到目的。
1.2蚁群算法的发展
人类在自然界获得启示，发明了许多模拟大自然生态机制的仿生优化方法，这类
算法最终用来求解复杂优化问题的。如遗传算法、捕例食搜索算法、粒子群算法、动
态进化算法、蚁群算法等 ] 3 [
。这些与经典的数学规划截然不同的仿生优化算法的相继
出现， 极大丰富了优化技术， 并使许多在人类看来高度复杂的优化问题变得容易解决。
昆虫的一些行为特性已经被研究群居性昆虫行为的科学家所发现，例如昆虫个体
行为看似无组织无纪律，但在群落级别上的合作基本上是自组织的，这些看上去很简
单的合作却能解决很多非常复杂的问题。虽然蚂蚁个体的智能很低，貌似看上去没有
下一篇：国有上市公司企业债券的定价研究