【摘要】：蚁群优化算法是受到某些种类的蚂蚁的觅食行为的启发而产生的。蚁群优化算法采用一种类似的机制来解决优化问题。图5.12双桥实验典型的蚁群优化算法有三种，即ant system算法、max-min ant system算法和ant colony system算法。最早的蚁群优化算法用于解决旅行商问题获得了较好的效果。
蚁群优化算法是受到某些种类的蚂蚁的觅食行为的启发而产生的。为了标记一些应该被群体的其他成员跟随的有用路径，这些蚂蚁会在地上释放信息素（pheromone），信息素会随着时间的流逝而逐渐挥发。蚁群优化算法采用一种类似的机制来解决优化问题。
蚂蚁走向食物或者从食物所处位置回来时会在地上释放信息素，其他的蚂蚁如果发现有信息素就会倾向走信息素浓度高的路径。通过这种方式，蚂蚁能以非常有效的路径将食物搬移到巢穴。“双桥实验”研究了蚂蚁的这种释放信息素和跟随的行为。如图5.12所示，在食物和巢穴之间有两座桥，最初每只蚂蚁会随机选择其中一座桥，在图5.12（a）所示的两座桥距离相等的情况下，蚂蚁选择哪座桥会出现随机的波动，经过一段时间后，某座桥信息素浓度高一些，这将会进一步吸引蚂蚁过来，于是导致信息素浓度更高，最后整个蚂蚁群都会走这座桥了。在图5.12（b）中，其中一座桥要比另一座长很多。在这种情况下，初始随机选择哪座桥的波动要小许多，另一种机制起主要作用，碰巧选择较短路径的蚂蚁将会先回到巢穴，于是较短的桥会比另一座桥先获得信息素，这将使后来的蚂蚁选择较短的桥的概率增加，于是很快就都会选择较短的桥了。蚁群的行为基于一种链式扩大反应，也就是利用正反馈，蚂蚁能找到食物和巢穴之间最短的路径。
(www.xing528.com)
图5.12 双桥实验
典型的蚁群优化算法有三种，即ant system（AS）算法、max-min ant system（MMAS）算法和ant colony system（ACS）算法。最早的蚁群优化算法用于解决旅行商问题获得了较好的效果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
