|
|
|
知识路径： > 计算机系统基础知识 > 计算机软件知识 > 数据结构与算法知识 > 算法设计与分析 > 智能优化算法 >
|
|
相关知识点：5个
|
|
|
|
|
蚁群算法的原理：蚂蚁在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一些信息素，而信息素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信息素的路径的可能性，比选择没有信息素的路径的可能性大得多），而后到者留下的信息素会对原有的信息素进行加强，并如此循环下去。这样，经过蚂蚁越多的路径，在后到蚂蚁的选择中被选中的可能性就越大（因为残留的信息素浓度较大）。由于在一定的时间内，越短的路径会被越多的蚂蚁访问，因而积累的信息素也就越多，在下一个时间内被其他的蚂蚁选中的可能性也就越大。这个过程会一直持续到所有的蚂蚁都走最短的那一条路径为止。这种行为表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后到者选择该路径的概率就越大，因此距离近的食物源会吸引越来越多的蚂蚁，信息素浓度的增长速度就会越快，同时通过这种信息的交流，蚂蚁也就寻找到食物与蚁穴之间的最短路径了。
|
|
|
|
蚁群算法的模型：蚁群算法的主要根据是信息正反馈原理和某种启发式算法的有机结合，其优化过程主要包括选择、更新以及协调3个过程。在选择过程中，信息素浓度越高的路径被选择的概率越大；在更新过程中，路径上的信息素随蚂蚁的经过而增长，同时也随时间的推移而挥发；在协调过程中，蚂蚁之间通过信息素进行信息交流相互协作。在选择和更新过程中，较好的解（较短的路径）通过路径上的信息素得到加强，从而引导下一代蚂蚁向较优解邻域搜索使算法收敛，同时更新过程的信息素挥发又使得算法具有探索能力增加解的多样性，使得算法不易陷入局部最优。
|
|
|
|
|
|
|
|
| |
|
|
|
