第6章群体智能(及蚁群算法)讲义

第6章群体智能(及蚁群算法)讲义

ID:42072423

大小:7.80 MB

页数:74页

时间:2019-09-07

第6章群体智能(及蚁群算法)讲义_第1页
第6章群体智能(及蚁群算法)讲义_第2页
第6章群体智能(及蚁群算法)讲义_第3页
第6章群体智能(及蚁群算法)讲义_第4页
第6章群体智能(及蚁群算法)讲义_第5页
资源描述:

《第6章群体智能(及蚁群算法)讲义》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、6.1SwarmIntelligenceSwarmIntelligenceSwarmIntelligenceWhydoanimalsswarm?DefenseagainstpredatorsEnhancedpredatordetectionMinimizingchanceofcaptureEnhancedforagingsuccessBetterchancestofindamateDecreaseofenergyconsumptionSwarmIntelligenceSwarmIntelligenceAntColonyNestExamplesCemete

2、ryOrganizationand BroodSortingSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligenceSwarmIntelligence6.2蚁群算法AntColonyAlgorithms真实世

3、界的蚂蚁行为蚁群算法(AntAlgorithms)蚂蚁几乎是没有视力的,它们是如何找到食物和家之间的路径的?在觅食过程中,蚂蚁在它所经过的路径上留下浓度与食物源质量成比例的信息素(pheromone),并能够感知信息素的存在及其浓度,以此指导自己的运动方向,倾向于朝着信息素浓度高的方向移动.蚁群算法(AntAlgorithms)于是,蚁群的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,因此质量好、距离近的食物源会吸引越来越多的蚂蚁,信息素浓度的增长速度会更快.蚂蚁个体之间就是通过这种信息的交流达到寻找食物和

4、蚁穴之间最短路径的目的2021/10/5292.2.2简化的蚂蚁寻食过程蚂蚁从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。2021/10/530本图为从开始算起,经过18个时间单位时的情形:走ABD的蚂蚁到达终点后得到食物又返回了起点A,而走ACD的蚂蚁刚好走到D点。2021/10/531假设蚂蚁每经过一处所留下的信息素为一个单位,则经过36个时间单位后,所有开始一起出发的蚂蚁都经过不

5、同路径从D点取得了食物,此时ABD的路线往返了2趟,每一处的信息素为4个单位,而ACD的路线往返了一趟,每一处的信息素为2个单位,其比值为2:1。寻找食物的过程继续进行,则按信息素的指导,蚁群在ABD路线上增派一只蚂蚁(共2只),而ACD路线上仍然为一只蚂蚁。再经过36个时间单位后,两条线路上的信息素单位积累为12和4,比值为3:1。若按以上规则继续,蚁群在ABD路线上再增派一只蚂蚁(共3只),而ACD路线上仍然为一只蚂蚁。再经过36个时间单位后,两条线路上的信息素单位积累为24和6,比值为4:1。若继续进行,则按信息素的指导,最终所有的蚂蚁会放弃ACD

6、路线,而都选择ABD路线。这也就是前面所提到的正反馈效应。蚁群算法(AntAlgorithms)我们感兴趣的是对解空间的探索,而非简单的数路径;应允许蚂蚁们以概率的方式选择路径以及确定最佳路径,概率与信息素的浓度成比例。不希望蚂蚁们简单地根据最高浓度来选择路径,如果这样的话,搜索会迅速地陷入局部最优。一个蚂蚁选择一个确定路径的概率,不仅取决于信息素浓度,同时也取决于该蚂蚁所看到的信息。信息素的痕迹不能无限增加,因此,需要引入“挥发”机制。蚁群算法(AntAlgorithms)由此获得灵感而设计出的算法称蚁群算法antalgorithms(或蚁群系统ant

7、systems)蚁群算法(系统)是一种基于群体策略的搜索方法。蚁群算法(AntAlgorithms)蚁群算法可以用于解决许多组合优化问题,只要:能做到用一个图来阐述将要解决的问题;能定义一种正反馈过程(如TSP问题中的残留信息);问题结构本身能提供解题用的启发式信息(如TSP问题中城市间的距离),约束机制的建立(如TSP问题中已访问城市的列表)。2021/10/5356.2.1蚁群优化算法概述起源应用领域研究背景2021/10/536蚁群优化算法起源20世纪90年代意大利学者M.Dorigo,V.Maniezzo,A.Colorni等从生物进化的机制中受

8、到启发,通过模拟自然界蚂蚁搜索路径的行为,提出来一种新型的模拟进化算法——蚁群算

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。