1、蚁群算法的基本原理及其改进算法专 业：控制工程年 级： 2009级姓 名：胡训智学 号： 30956060指导老师：周润景 教授o 算法的提出o 算法的基本原理o 模型建立o 算法的实现o 算法改进o 结论o 参考文献蚁群算法的提出o 蚁群算法 (ant colony optimization, ACO)，又称 蚂蚁算法 ，是一种用来寻找优化路径的机率型算法。它由 Marco Dorigo于 1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Macro Dorigo基本原理 Nest FoodObstacle图 1 蚂蚁正常行进，突然环境改变，增加了障碍物基本原
2、理 Nest FoodObstacle图 2 蚂蚁以等同概率选择各条路径较短路径信息素浓度高，选择该路径的蚂蚁增多基本原理 图 3 蚂蚁选路过程示例EABDH CEABDH Cd=0.5d=0.5d=1d=130ants30ants15ants15ants15ants15antst=0 EABDH C30ants30ants20ants20ants10ants10antst=1基本原理 Nest FoodObstacle图 4 蚂蚁最终绕过障碍物找到最优路径模型建立 o 基于蚂蚁构造墓地和分类幼体的聚类分析模型o 基于蚂蚁觅食行为和信息素的聚类分析模型 基于蚂蚁构造墓地和分类幼体的聚类分析模型 o 蚁群构造墓地行为和分类幼体行为统称之为蚁群聚类行为。o 生物学家经过长期的观察发现，在蚂蚁群体中存在一种本能的聚集行为。蚂蚁往往能在没有关于蚂蚁整体的任何指导性信息情况下，将其死去的同伴的尸体安放在一个固定的场所。 真实蚁群的聚类行为Deneuboug JL等人也用 pheidole pallidula蚂蚁做了实验。发现蚁群会根据蚂蚁幼体的大小将其放置在不同的位置，分别把其堆放在蚁穴周围和中央的位置。真实的蚁群聚类行为的实验结果右图，四张照片分别对应为实验初始状态、 3小时、 6小时和 36小时的蚁群聚类情况。
