蚁群算法与粒子群算法优缺点蚁群算法(ACO)是受自然界中蚂蚁搜索食物行为的启发，是一种群智能优化算法。它基于对自然界真实蚁群的集体觅食行为的研究，模拟真实的蚁群协作过程。算法由若干个蚂蚁共同构造解路径，通过在解路径上遗留并交换信息素提高解的质量，进而达到优化的目的。蚁群算法作为通用随机优化方法，已经成功的应用于TSP等一系列组合优化问题中，并取得了较好的结果。但由于该算法是典型的概率算法，算法中的参数设定通常由实验方法确定，导致方法的优化性能与人的经验密切相关，很难使算法性能最优化。蚁群算法中每只蚂蚁要选择下一步所要走的地方，在选路过程中，蚂蚁依据概率函数选择将要去的地方，这个概率取决于地点间距离和信息素的强度。(+) = (t)+ (+)上述方程 表示信息素的保留率，1 表示信息素的挥发率，为了防止信息的无限积累， 取值范围限定在01。 ij 表示蚂蚁k在时间段t到 (t +n)的过程中，在i到j的路径上留下的残留信息浓度。在上述概率方程中，参数和:是通过实验确定的。它们对算法性能同样有很大的影响。值的大小表明留在每个节点上信息量受重视的程
