蚁群算法的简单应用

  蚁群系统(Ant System(AS)或Ant Colony System(ACS))是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中发现蚁群整体会体现一些智能的行为例如蚁群可以在不同的环境下寻找最短到达食物源的路径。

  后经进一步研究发现这是因为蚂蚁会在其经过的路径上释放一种可以称之为“信息素(pheromone)”的物质蚁群内的蚂蚁对“信息素”具有感知能力它们会沿着“信息素”浓度较高路径行走而每只路过的蚂蚁都会在路上留下“信息素”这就形成一种类似正反馈的机制这样经过一段时间后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。整个蚁群就会沿着最短路径到达食物源了。

  这种算法具有分布计算、信息正反馈和启发式搜索的特征本质上是进化算法中的一种启发式全局优化算法。

  TSP问题已给一个n个点的完全图每条边都有一个长度求总长度最短的经过每个顶点正好一次的封闭回路。

  蚂蚁在路径上释放信息素,当蚂蚁碰到还没走过的路口就随机挑选一条路走同时释放与路径长度有关的信息素信息素的浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时蚂蚁在选择下一个要转移的城市时候是基于概率选择的选择信息素浓度较高路径最优路径上的信息素浓度越来越高最终蚁群找到最优寻食路径。

  将m个蚂蚁随机地放在多个城市让这些蚂蚁从所在的城市出发n步一个蚂蚁从一个城市到另外一个城市为1步之后返回到出发的城市。如果m个蚂蚁所走出的m条路经对应的中最短者不是TSP问题的最短路程则重复这一过程直至寻找到满意的TSP问题的最短路径为止。

  m:蚂蚁总数在TSP问题中每次循环当中每只蚂蚁所走出的每条路径为TSP问题的候选解m只蚂蚁一次循环所走出来的m条路经为TSP问题的一个解子集所以这个解子集越大则算法的全局搜索能力越强但是过大会使算法的收敛速度降低。如果m太小的线c;算法也很容易就陷入局部最优过早的出现停滞现象。

  alpha信息素重要程度因子反映了蚂蚁在从城市i向城市j移动时这两个城市之间道路上所累积的信息素在指导蚂蚁选择城市j的程度即蚁群在路径搜素中随即性因素作用的强度。alpha值越大蚂蚁选择之前走过的路径的可能性越大搜索路径的随机性减弱alpha越小蚁群搜索范围就会减小容易陷入局解最优。

  beta启发函数重要程度因子beta值越大蚁群就越容易选择局部较短路径这时算法的收敛速度是加快了但是随机性却不高容易得到局部的相对最优。

  (ant colony optimization, ACO),又称蚂蚁

  。它由Marco Dorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。

  ,以及编码实现ant colony algorithm解决tsp问题。调试成功后,我会把具体的代码和说明文档上传(Coding by C++)。当然也参考了很多人的既有成果,希望和对仿生

  ,模拟退火等)感兴趣的同行一道探索该领域。 (二)给大家推荐一个入门PPT,是大连理工力学系的课件《智能

  的使用方法做简要介绍,可以了解近似解的含义以及正反馈的作用,最后针对目前

  理论与实践全攻略旅行商等路径优化问题的新方法...

  、神经网络有异曲同工之妙。只不过当时没有实际需求学习,所以没去研究。最近有一个这样的任务,所以就好好把基础研究了一下,驱动式学习,目标明确,所以还是比较快去接受和理解,然后写代码实现就好了。今天就带领大家走近TSP问题以及群蚁

  新的城市点 功能快捷键 合理的创建标题,有助于目录的生成 如何改变文本的样式 代码 %% 旅行商问题(TSP)优化 %% 清空环境变量 clear all clc %% 导入数据 load city2.mat %% 计算城市间相互距离 fprintf(Computing Distance Matrix... ); n = size(citys,1); D = zeros...

  , 解决了最优化问题,可用于路劲规划,求解最小值,该程序matlab语言 是太阳能光伏发电系统(Solar power system)的简称,是一种利用太阳电池半导体材料的光伏效应,将太阳光辐

  计算机视觉Bag of features图像检索

  weixin_42646077:我是通过修改了图片尺寸,后来就不会报这个错误,但是具体原因不清楚。我学的比较浅,抱歉不能解答你的疑问

  蝉鸣丶未绝:您好,请问IndexError: too many indices for array 提示数组的索引太多,不能进行下面的步骤,改变了图像集数量的变量,还是相同的问题。但是将图片尺寸适当增大,就不会报错。 这里的问题您后来解决了吗?

内容转自网络,版权归原作者所有,如有侵权请及时联系,转载请以链接形式标明本文地址
本文地址:http://techknzz.com/?ai/804.html