【《蚁群算法相关研究综述》2400字】

]，如公式（3-1）所示：（3-1）式中，为信息启发因子，反应了蚂蚁在运动过程中产生的信息素对蚂蚁选择路径的影响程度，该值越大，说明蚂蚁之间的相互协作能力越强；表示能见度的相对权值；表示在路径i到j上实时改变的信息素，为寻找较优的路径提供了指导。表示从路径i到j的期望程度，数学表达式中定义为距离的倒数即。在蚁群算法中需要信息素浓度和期望值之间找到一个相对平衡的关系，为了避免由于信息素堆积造成的信息失效问题，因此，每只蚂蚁在进行遍历过程中需要引入信息素挥发机制。信息素挥发如式子（3-2）：（3-2）（3-3）在式中，表示信息素挥发系数，该值在0到1之间变化，来指挥整个挥发过程，对最优解和收敛速度影响较大。表示经过一次循环后蚂蚁留下的信息素的增量，是控制比例常数，一般定为1，表示第k只蚂蚁所构建的路径长度。和数学表达式因不同算法的具体问题而不同。1.3蚁群算法实现步骤蚁群算法的实现步骤如下：Step1：初始化算法参数，为m只蚂蚁随机选择n个城市，迭代次数nc最初设置为0，并设置最大迭代次数nmax。Step2：将迭代次数加1，即nc=nc+1。Step3：初始化当前蚂蚁的编号，k=0。Step4：对蚂蚁的编号进行更新，k=k+1。Step5：蚂蚁通过转移概率公式（3-1）选择下一个要走的城市。Step6：记录蚂蚁已经旅行过的城市，更新禁忌表中，同时记录蚂蚁释放的信息素值。Step7：判断当前蚂蚁是否完成了对所有城市的旅行，如果没有完成则返回到Step5，否则对路径中的信息素进行更新，通过（3-2）和（3-3）对信息素进行更新。Step8：判断所有的蚂蚁是否都完成了旅行，如果完成了则进行Step9，否则返回到Step4。Step9：判断是否达到了设置的最大迭代次数nmax，如果达到则输出最后的旅行路径并结束计算，否则返回到Step2。传统蚁群算法的流程图如图3-2所示。图3-2传统蚁群算法的流程图1.4蚁群算法的优缺点蚁群算法中的蚂蚁个体智能极其有限，但能够通过整体的团队合作完成复杂的工作，这种启发使随机算法通过信息度的不断积累最终收敛于最优路径，蚂蚁在寻路过程中也遵循随机性、自发性和任意移动的特性，这些都与网络中的路由设计相关，为求解复杂的优化问题提供了解决方案。蚁群算法优点如下：1、蚁群算法具有正反馈机制。蚁群算法有很强的寻找路径的能力，蚂蚁在寻找路径过程中通过信息素进行交流和反馈信息，使得后续蚂蚁能够在很短地时间内找到可行解。另外，蚁群算法也能吸取别的算法的一些优点并将其融合，进而使得算法的整体性能达到一定程度的提高。2、蚁群算法具有全局搜索能力。每只蚂蚁作为独立的个体，在进行路径寻找时能够完成自己的寻路功能，增加了算法的可信度。蚂蚁在寻路过程中仅通过信息激素改变周围环境，并且通过并行计算方法使多个蚂蚁同时进行搜索，使算法具有较强的全局搜索能力。但蚁群算法也存在局限性，缺点如下：1、蚁群算法存在收敛速度较慢情况。在路径选择初期，信息较为匮乏，信息素也较少，如果蚂蚁的数量过多或者需要搜索的空间过大，蚂蚁路径可选择性比较低。随着时间推移，信息素随之减少，使得蚁群算法需要较长的搜索时间，之前没有被选择的路径后面被选择的机会更少，导致蚁群算法收敛性差。2、容易陷入局部最优解。当蚂蚁寻找到路径够，会在一条较好的路径上留下信息素，其他蚂蚁也会在信息素较多的路径上进行信息转发，使得后面的蚂蚁停止对其他路径搜索，导致所有个体发现的解完全一致，不利于发现更好的路径。上述分析了蚁群算法的优缺点，可以看出算法的收敛速度和