基于過程優(yōu)化的蟻群算法研究與應(yīng)用.pdf

1、蟻群算法(Ant Colony Algorithm，ACA)是20世紀90年代初期提出的一種新型模擬進化算法。其思想吸收了螞蟻的行為特征，通過模擬真實蟻群探索食物的過程來完成對問題的求解。它具有系統(tǒng)性、分布式計算、自組織性、正反饋等特點，已廣泛應(yīng)用到通訊、交通、化工、數(shù)據(jù)分析和人工智能等領(lǐng)域。蟻群算法具有很多優(yōu)點，但在實施過程中也存在缺陷:(1)在算法運行的初始階段執(zhí)行效率低，信息素隨機分布，路徑雜亂無章；(2)搜索過程中易陷入局部最優(yōu)

2、解，易出現(xiàn)早熟、停滯現(xiàn)象；(3)難以解決實際應(yīng)用中連續(xù)域的函數(shù)優(yōu)化問題等。
　　本文對蟻群算法進行了較為系統(tǒng)的分析和研究，并針對傳統(tǒng)蟻群算法存在的缺陷提出了基于過程優(yōu)化的蟻群算法，通過對傳統(tǒng)蟻群算法的運行過程實施一系列優(yōu)化，達到提高算法執(zhí)行效率和尋優(yōu)能力的目的。創(chuàng)新點及具體改進途徑包括:
　　(一)在算法運行的初始階段采用正交、均勻設(shè)計等優(yōu)化方法，創(chuàng)建正交、均勻離散過程。
　　1.基于正交離散過程優(yōu)化的蟻群算法通過正交

3、離散有效地改善信息素分布，優(yōu)化初始化過程，并利用動態(tài)轉(zhuǎn)移概率等策略來構(gòu)造和選擇路徑，大大改進了算法的性能。根據(jù)該算法建立的配方設(shè)計數(shù)學模型在肉鴿(童鴿)飼料配比中進行了應(yīng)用仿真運算，試驗結(jié)果顯示，基于正交離散過程優(yōu)化的蟻群算法執(zhí)行效率比傳統(tǒng)優(yōu)化方法有很大提高，是解決連續(xù)函數(shù)優(yōu)化問題的一種新方法。
　　2.基于均勻離散過程優(yōu)化的蟻群算法通過深度均勻離散子族群搜索和全局均勻離散搜索過程產(chǎn)生局部最優(yōu)和全局最優(yōu)解，進一步克服了正交離散水平

4、較少、設(shè)計方案欠靈活的缺點。算法性能測試結(jié)果顯示，基于均勻離散過程優(yōu)化的蟻群算法優(yōu)化值良好，優(yōu)化性能穩(wěn)定，在迭代次數(shù)和執(zhí)行時間上也表現(xiàn)出一定優(yōu)勢，是基于正交離散過程優(yōu)化蟻群算法的有益補充。
　　(二)創(chuàng)建混合蛙跳算法和蟻群算法的融合算法。
　　混合蛙跳融合蟻群算法在算法的運行過程中前期利用混合蛙跳算法高效的全局搜索能力建立初始優(yōu)化解群，后期利用蟻群算法求解精度高的特點進行精細解搜索，有效地解決了混合蛙跳算法搜索精度低和蟻群算