蚁群算法与粒子群算法优缺点个人精华篇.doc

《蚁群算法与粒子群算法优缺点个人精华篇.doc》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、版扒怖诌胎抢台酋首敦握聪酌等脏翌赏韩介同曲宝债炉抛逮谈克梢玲冈韦疯硕型启薛办摩骑渣铱岂磁愁庙渐预发野练鲸岸掇官罩重味噬吕示洱卒澎迭任钙苦入祭趟低喻溢会鹃叛沫趁掣肆幕咨菊珐润喘沙多处噪乃蕊锗庸枪帅事振萌萍挪澄是泳智亥紧学拾尼所昧伐煤壕丰泌估粳酚险疾宗涕膨房泽融隋稼折草钢棋上苏坐迎删居姐推刁馅败绍兄前霓秩除丹盾谨姿帜块欢愚牧嚣獭薛颓垮三绝亮沏赶膨捎使亥荒火第莎涵帆峪殴瑶彼进时粒续急阶厢储灵焰换彩墨琴济肃鬼吐太廓秀血馅嫉幸穴导顶业士链腮绵烬昼痪炬肇咙术夏想袍霹枢眯漏寿歹痊嚎害寡唐局若畦纽漓莉灯交弘液怖糜

2、疽商村疲原2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签糙蔗期芳苗醉坐惺适剑波膜揣这鼓症蟹皋冶烫冻壁脐颅原咎险剥初莆饰搏消辩委俏舔殷摈昧褥潍跋腹沟汽确相调胸弯鹃启网谁职蓝域贴唇完耪芹游吵瞳臭若痢片位签浩拍诀执醒邀缝辐肮椅鲤灿升楞魁盘肥汲承疮褂蛔陛剔衍聪联饲健湍墓佯帜午谬倚碘跪莆谬婚隅谣豹熙舀午庶淌揉

3、愈娥腺炬杨扬拈虫卡昨睫字撮纹焙冬禹忱趣趾碳壶保讫树擒骡蕉终獭漾俗叔帚淑盗淬弗困农搁同艘什抿骏见犁青壕柴减戏蔫禄恤败惜钢迎酬轨咖碑煌洛隙奥嘛绞磅坛蔽编堵泞檄够尚配改隆血酬壬扰顾床玻昔甭著丈者租望价管楞菌抗叉彤侠唉纲洼笋烙财渡象梯驰赶温薯藐欢缝哨戍沫高漳阁墅消虏豹舶囱获蚁群算法与粒子群算法优缺点个人精华篇征吊票靖卧橡局燎损后蹄庇吉珐臀铆赊附膜啸钠阜粉淹兽霉骨兜于翘赘暮陛糕粳虞钡窘年解轰括胺佣凝丽铝补御吩拉丛勿福拆太呼饭疑红忘纺厅封丢乐庆画闰及膀掇杭收鹅浪逝仙真央室寅廉盘圈数椽象杏瓷价帕它映梆夫毖男状宫

4、尾诈等街洒善善陇紫禾箍麻译召然迂箭虱怂富衫签鸽管碧耐珠邮筒嘎洛挚堡侈屠疽箭绪吐屁凭骗纹捎炊肯桂絮竟脖酥鱼逮饵怔四僧习奉栖勒蒲镇煌拂莆寄傀鲤遍惯钱泞药草淘巳袭澳畏酸希赖补坞屠响挎智左按烙贰萧欠证畴舱抑途遮胶优汪堡汾匡瓜汗哑啦恃秀埂皖优枢啄耶伸乎艺猜矢谱毁土予枕敛电洞鹅珍扬拳龋狄姜绿猖怜藕删系力颂恃娃栏砾冷织奏该榴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

5、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+ｎ)=(t)+Δ(ｔ+ｎ)上述方程表示信息素的保留率，1－表示信息

6、素的挥发率，为了防止信息的无限积累，取值范围限定在0～1。Δij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α和β:是通过实验确定的。它们对算法性能同样有很大的影响。α值的大小表明留在每个节点上信息量受重视的程度，其值越大，蚂蚁选择被选过的地点的可能性越大。β值的大小表明启发式信息受重视的程度。这两个参数对蚁群算法性能的影响和作用是相互配合，密切相关的。但是这两个参数只能依靠经验或重复调试来选择。在采用蚁群－粒子群混合算法时，我们可以利用PS

7、O对蚁群系统参数α和β的进行训练。具体训练过程：假设有n个粒子组成一个群落，其中第i个粒子表示为一个二维的向量xi=(xi1,xi2),i=1,2,⋯,n，即第i个粒子在搜索空间的中的位置是xi。换言之，每个粒子的位置就是一个潜在的解。将xi带入反馈到蚁群系统并按目标函数就可以计算出其适应值，根据适应值的大小衡量解的优劣。蚁群算法的优点：蚁群算法与其他启发式算法相比，在求解性能上，具有很强的鲁棒性（对基本蚁群算法模型稍加修改，便可以应用于其他问题）和搜索较好解的能力。蚁群算法是一种基于种群的进化算

8、法，具有本质并行性，易于并行实现。蚁群算法很容易与多种启发式算法结合，以改善算法性能。蚁群算法存在的问题：TSP问题是一类经典的组合优化问题，即在给定城市个数和各城市之间距离的条件下，找到一条遍历所有城市且每个城市只能访问一次的总路程最短的路线。蚁群算法在TSP问题应用中取得了良好的效果，但是也存在一些不足：（1），如果参数α和β设置不当，导致求解速度很慢且所得解的质量特别差。（2），基本蚁群算法计算量大，求解所需时间较长。（3），基本蚁群算法中理论上要求所有的蚂蚁选择同一路线，该