收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

蚁群优化原理、理论及其应用研究

胡小兵  
【摘要】:社会性动物的群集活动往往能产生惊人的自组织行为,如个体行为显得盲目的蚂蚁在组成蚁群后能够发现从蚁巢到食物源的最短路径。生物学家经过仔细研究发现蚂蚁之间通过一种称之为“外激素”的物质进行间接通讯、相互协作来发现最短路径。受其启发,意大利学者M. Dorigo,V. Maniezzo和A. Colorni通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法——蚁群优化。该算法的出现引起了学者们的极大关注,在过去短短十多年的时间里,已在组合优化、网络路由、函数优化、数据挖掘、机器人路径规划等领域获得了广泛的应用,并取得了较好的效果。 本论文围绕蚁群优化的原理、理论及其应用,就如何改进基本蚁群优化算法、蚁群优化的并行实现,蚁群优化算法在组合优化、机器人路径规划等领域的应用进行了较为深入、系统的研究。本文的主要研究成果包括: 1、提出了一种自适应蚁群算法。该算法根据平均节点分支数动态调整转移概率以使其在“探索”和“利用”之间总能保持平衡,从而使算法在保持较高搜索能力的同时,避免出现停滞现象。仿真实验结果表明,该算法不仅有效地克服了基本蚁群优化算法中的停滞现象,而且即使在运行的后期,仍然能以极大的概率搜索较好解。 2、提出了一种基于混合行为的蚁群算法。分析了蚂蚁行为对蚁群优化算法性能的影响,给出了蚂蚁行为的定义,设计了算法的模型。根据蚂蚁行为的定义,设计了四种具体的蚂蚁行为,通过调整不同行为蚂蚁数量的比例,使该算法在具有较高搜索能力的同时避免停滞现象。仿真实验首先对算法的参数进行了研究,然后与AS算法进行对比,实验结果显示其性能优于AS算法。 3、提出了一种蚁群优化的并行实现。该算法利用TSP问题所具有的聚类特征,从数据域上将其分解成许多小规模的子问题,对每个子问题分别采用蚁群优化算法并行求解,最后再将所有子问题的解按一定规则合并为待求解问题的解。对带聚类特征TSP问题的仿真实验结果表明,该算法能以极快的速度收敛到问题的最优解(近优解)。当TSP问题的聚类数越多,则该算法的性能就越高,但当TSP问题的聚类特征不明显,则该算法退化为一般的蚁群优化算法。 4、提出了一种求解K-TSP问题的蚁群算法。该算法将所有蚂蚁平均分成m组,每组k只,并采用每组中的k只蚂蚁共同构造问题的一个可行解。在算法中,m组蚂蚁相互协作最终达到搜索最优解的目的。实验结果显示,该算法是一种求解K-TSP问题的有效算法。 WP=6 5、提出了一种求解0-1背包问题的蚁群优化算法。设计了0-1背包问题的构造图,针对构造图为蚂蚁设计了两种状态转移公式并定义了其优先级,蚂蚁以不同的优先级按照这两个状态转移公式在构造图中移动直到死亡,此时,蚂蚁走过的路径即构成0-1背包问题的一个可行解。仿真实验首先对该算法的参数进行了讨论,然后与遗传算法进行了比较,实验结果显示该算法具有较高的性能。 6、提出了一种求解迷宫问题的蚁群优化算法。该算法首先将蚁群平均分成两组,分别从迷宫的起点和终点出发,每只蚂蚁按路径上的信息素独立地选择前进的道路。根据蚂蚁在迷宫中的行走状态,定义了三种不同类型的生命周期。根据蚂蚁每次移动后所处的状态,生成问题的可行解。仿真实验证实了本算法的有效性。 7、提出了一种求解空间机器人路径规划的蚁群优化算法。该算法首先将机器人所在位置(源点)与将要到达的位置(目的点)之间的空间划分成立体网格,同时定义了源点与目的点之间的有效路径。蚁群从源点出发,独立地选择有效路径,最终到达目的点,从而求出从源点到目的点之间的最优路径。实验结果表明,该算法不仅有效,而且具有极快的速度。在该算法中,网格的稠密程度决定了算法解的精度,即网格越稠密,算法的精度越高,但所需时间也越长;反之则越低,所花时间越短。 最后,对全文的研究工作进行了总结,并展望了蚁群优化进一步还要研究的课题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 封国剑;范俊锋;高随祥;;基于改进蚁群优化算法的分布式多播路由算法[J];计算机工程;2006年03期
2 吴进珍;吕强;;一个基于蚁群优化解决2D packing问题的算法[J];苏州大学学报(自然科学版);2010年02期
3 任志刚;冯祖仁;柯良军;;蚁群优化属性约简算法[J];西安交通大学学报;2008年04期
4 夏鸿斌;须文波;刘渊;;基于多蚁群的并行ACO算法[J];计算机工程;2009年22期
5 金保华;张亮;和振远;;基于最大最小蚂蚁系统的一种应急物流路径规划方法[J];中原工学院学报;2011年02期
6 喻学才;张田文;;粒子群优化的多群蚂蚁算法[J];哈尔滨工业大学学报;2010年05期
7 张娟;刘万军;;一种新的动态物流配送路径问题的研究[J];计算机应用研究;2010年05期
8 王平;顾学迈;;基于ACO的LEO卫星网络路由研究[J];南京理工大学学报(自然科学版);2007年03期
9 王睿;梁彦;潘泉;;无线传感器网络的蚁群自组织算法[J];电子学报;2007年09期
10 陆静;赵阳;王效华;;基于蚁群优化的故障分类研究[J];河南科学;2008年03期
11 李桂成;张惠萍;;基于双条件选择策略的Ant-Miner算法[J];计算机工程与应用;2009年11期
12 甘屹;杜继涛;;基于并行蚁群优化的车间调度研究[J];制造业自动化;2009年11期
13 冯欣;杨华民;贺丽柏;尹方超;;基于蚁群优化的动态自适应拥塞避免路由算法[J];科技创新导报;2010年36期
14 崔小乐;程伟;李崇仁;;一种峰值功耗约束下的SoC蚁群测试调度算法[J];微电子学与计算机;2011年07期
15 陈崚;孙海鹰;;蚁群算法一阶欺骗性问题的时间复杂度分析[J];模式识别与人工智能;2010年01期
16 闵克学;葛宏伟;张毅;梁艳春;;基于蚁群和粒子群优化的混合算法求解TSP问题[J];吉林大学学报(信息科学版);2006年04期
17 吴红红;杨文国;赵彤;;传感器网络中单源单汇路由问题的模型与算法[J];计算机工程与应用;2006年27期
18 杨春勇;陈少平;;基于改进蚁群算法的网络负载均衡路由优化[J];计算机工程;2010年08期
19 黄红星;王秀丽;黄习培;;挖掘最大频繁项集的改进蚁群算法[J];计算机工程与应用;2011年13期
20 李志伟;基于群集智能的蚁群优化算法研究[J];计算机工程与设计;2003年08期
中国重要会议论文全文数据库 前10条
1 孙灵芳;李纪昌;赵雪;;基于蚁群优化的锅炉汽包水位预测控制[A];第二十九届中国控制会议论文集[C];2010年
2 彭辉;;基于蚁群优化技术的车辆路径问题研究[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
3 姜万录;刘伟;张瑞娟;陈海军;;基于蚁群优化的神经网络智能PID控制策略研究[A];中国机械工程学会流体传动与控制分会第六届全国流体传动与控制学术会议论文集[C];2010年
4 李扬;;改进的蚁群算法及其在Eil50问题上的检验[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
5 王海宁;孙守迁;;基于优化成熟度的自适应蚁群优化算法[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年
6 王雪萍;杨青;黄祖锋;;P2P网络中基于蚁群算法的智能搜索研究[A];2006全国复杂网络学术会议论文集[C];2006年
7 申春;彭秀增;罗凡;李肃义;;基于方向启发因子的蚁群算法[A];2006年全国理论计算机科学学术年会论文集[C];2006年
8 徐金荣;李允;;一种基于蚁群系统的遗传算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
9 黄文明;兰静;张阳;;基于改进蚁群算法的网格资源调度[A];中国通信学会通信软件技术委员会2009年学术会议论文集[C];2009年
10 宁静;王桂棠;吴黎明;刘军;;基于自适应挥发因子蚁群算法的Zigbee路由协议[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
中国博士学位论文全文数据库 前10条
1 胡小兵;蚁群优化原理、理论及其应用研究[D];重庆大学;2004年
2 陈祥国;卫星数传调度的蚁群优化模型及算法研究[D];国防科学技术大学;2010年
3 王笑蓉;蚁群优化的理论模型及在生产调度中的应用研究[D];浙江大学;2003年
4 刘利强;蚁群优化方法研究及其在潜艇导航规划中的应用[D];哈尔滨工程大学;2008年
5 余建平;蚁群算法及其在数据获取技术中的应用研究[D];湖南大学;2008年
6 金劲;群集智能算法在网络策略中的研究及其应用[D];兰州理工大学;2011年
7 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年
8 冷晟;分布式虚拟制造单元关键技术研究与应用[D];南京航空航天大学;2005年
9 徐俊杰;元启发式优化算法理论与应用研究[D];北京邮电大学;2007年
10 韦蓉;Ad Hoc网络关键技术研究[D];北京邮电大学;2008年
中国硕士学位论文全文数据库 前10条
1 凌军;基于并行蚁群优化的分类技术应用研究[D];大连海事大学;2011年
2 陈佩佩;基于蚁群优化的正交小波变换盲均衡算法[D];安徽理工大学;2011年
3 邓敏;蚁群优化在时间表问题中的研究与应用[D];东北大学;2008年
4 劳眷;TSP问题中的蚁群优化算法研究[D];湖南大学;2008年
5 刘志军;基于蚁群优化的PPI网络功能模块检测方法研究[D];北京工业大学;2013年
6 吴志峰;改进的蚁群优化算法及其在TSP中的应用[D];重庆大学;2009年
7 吴进珍;并行蚁群优化在蛋白质结构预测中的应用研究[D];苏州大学;2010年
8 林泉;基于蚁群优化的居民公交出行路径选择算法及仿真研究[D];华南理工大学;2010年
9 程晔;基于蚁群优化神经网络的比较购物模型研究[D];安徽理工大学;2010年
10 汪金伟;改进蚁群算法在盲均衡中的应用[D];南京邮电大学;2012年
中国重要报纸全文数据库 前10条
1 梁云丹 勇智;运行分公司与直流分公司建工作协同机制[N];国家电网报;2011年
2 叶菁 朱云法 余传椿;浙江台州建立军地应急协同机制[N];中国国防报;2010年
3 李桂梅 邢冠蕾;建立协同机制 用新品武装部队[N];中国纺织报;2011年
4 记者 陈勇;人体免疫力能敌艾滋病吗[N];新华每日电讯;2000年
5 本报记者 俞莹;尽快建立多部门协同机制[N];贵阳日报;2006年
6 记者 杨骏;原来奶头信息素“导航”[N];新华每日电讯;2003年
7 陈丹熊诚;黔东南构筑农村防火社会协同机制[N];贵州日报;2007年
8 仲继军 莫小亮;海军陆战队抗旱部队积极协调建立抗旱救灾协同机制[N];解放军报;2010年
9 王伟杰;宁海烟草:与工商建立协同机制 规范证照管理工作[N];经理日报;2008年
10 王艳红;蚂蚁教我们新的电脑计算方法[N];云南经济日报;2000年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978