1、 蚁群算法与函数优化主讲人：王同伟1蚁群算法原理蚂蚁在运动过程中，能够在它所经过的路径上留下一种称之为外激素或者信息素(pheromone)的物质进行信息传递，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的运动方向，因此由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。22简化的蚂蚁寻食过程3蚂蚁从A点出发，速度相同，食物在D点，可能随机选择路线ABD或ACD。假设初始时每条分配路线一只蚂蚁，每个时间单位行走一步，本图为经过9个时间单位时的情形：走ABD的蚂蚁到达终点，而走ACD的蚂蚁刚好走到C点，为一半路程。4本图为从开
2、始算 ，经过18个时间单位时的情形：走ABD的蚂蚁到达终点后 到食物 点A，而走ACD的蚂蚁刚好走到D点。假设蚂蚁每经过一 所留下的信息素为一个单位，则经过36个时间单位后所 开始一 出发的蚂蚁 经过 同路径从D点 食物，此时ABD的路线 2 ，每一的信息素为4个单位，而 ACD的路线 一 ，每一的信息素为2个单位， 为2：1。以上 则 ，蚁群在ABD路线上 一只蚂蚁3只 ，而ACD路线上 为一只蚂蚁。 经过36个时间单位后， 条线路上的信息素单位 为24 6， 为4：1。进行，则 信息素的指导，终所 的蚂蚁ACD路线，而 选择ABD路线。这就currency1所到的正反馈“。53 蚂蚁的食f
3、i61fl 蚁过”食物相，而的个分”度相 ，而且 个分”上初 信息素。 后， 蚂蚁 可以自由在蚁 食物之间动的，选择 个分”的蚂蚁的 。图(b) ，经过初的一个的 ，蚂蚁向 一条相同的路径进。7图 1 S. Goss 8 出 上 的概率 。 ，假 上 留的外激素量过 一时间经过该的蚂蚁 成正 这 外激素 发的情 ，某一时蚂蚁 上外激素量的多来选择某，蚂蚁选择某的概率经过该的蚂蚁 成正。 所 m 只蚂蚁 经过 以后，设 AmflBm分 为经过 A B 的蚂蚁 Am + Bm = m ，则 m+1 只蚂蚁选择 A 的概率为：9表： A走的蚂蚁越多，选择分”A的概率就越 “n” 选择 的 线程度。 n越大，信息素多一点的分”选择概率越 “k”表 的分”的程度。 k越大，越多的信息素 选择 随机化 ( ) 1( ) ( )niA Bn ni ik AP Pk A k B+= = -+ + +2fl ：图2 (a)为蚂蚁经过 开始食 图2 (b) 大多 蚂蚁选择 的 图2 (c) 终 80%一100%的蚂蚁选择 的。10
