一种改进的蚁群算法

赵吉东

摘要：蚁群算法是一种元启发算法，其具有比较好的发现优化问题较好解的能力，但还有一些不足。该文为了克服算法存在一些不足，对算法提出了改进，通过改变蚁群算法信息素的更新策略，提高算法的性能，并将改进后的算法应用于求解TSP问题，数据结果显示该算法发现较好解的能力较强。

关键词：蚁群算法；信息素更新；TSP

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）08-0192-02

【Abstract】：窗体顶端

Abstract： Ant colony algorithm is a meta-heuristic algorithm， which has a relatively good ability to find better solutions for optimization problems， but there are some drawbacks.In this paper， the algorithm in order to overcome the drawbacks of the proposed algorithm， which by changing the ant colony algorithm pheromone update strategy to improve the performance of the algorithm，and improved algorithm is applied to solve TSP problem， the data showed that the algorithm found a strong ability to better solution.

Key word： Ant colony algorithm；pheromone update；TSP

蚁群算法（Ant Colony Optimization 简称ACO）是一种模拟蚂蚁群体性觅食活动而形成的进化算法，是由M Dorigo等学者首先提出的。[1-2]随后，国内的不少学者开始研究改算法，并且发现了该算法具有很好的解决优化问题的能力，尤其是离散型的优化问题，同时由于蚁群算法的正反馈性、鲁棒性以及容易与其他的算法融合的特点，其正在生活中的各个领域得到广泛的应用。

最初，蚁群算法用来解决了资源的二次分配问题以及TSP问题。但是蚁群算法在解决问题的同时也被发现还有不少的缺陷，比如在计算中容易陷入停滞状态、局部最优，还存在着运算时间较长的缺陷。针对蚁群算法缺陷很多的学者提出了改进的算法。[3-5]本文就其缺点中的陷入局部最优的缺陷进行了改进，并且用来解决旅行商问题，标明改算法具有一些好的性质。

1 改进算法

3 结束语

蚁群算法是一种来自大自然的随机搜索寻优方法，现已经陆续应用于图像处理、智能交通等很多领域[6-7]，并具有极强发展潜力，本文针对该算法提出了改进方法，并且应用于的求解，表现出较好的特性，但是我们不难发现对于蚁群算法的改进之优劣还是只能通过计算机模拟所得到的实验数据进行验证，参数的选择也只能通过编程实验来确定，缺乏严格的数学证明，蚁群算法还有很多理论性的工作需要进一步开展。

参考文献：

[1] Colorni A，Dorigo M，Maniezzo V，etal.Distributed optimization by ant colonies.Proceedings of the 1st European Conference on Artificial Life，1991：134-142.

[2] Dorigo M. Optimiztion， Learning and Natural Algorithma（in Italian）[D]. Ph.D. thesis， Dipartimento di Elettronica， Politecnico di Milano， IT， 1992.

[3] 宋錦娟，白艳萍.一种改进的蚁群算法及其在TSP中的应用[J].数学的实践与认识，2012，42（18）：154-162.

[4] 孙晶，白艳萍.一种改进的混合型蚁群算法在TSP问题中的应用[J].数学的实践与认识，2013，43（12）：174-181.

[5] 孟祥萍，片兆宇，沈中玉，等.基于方向信息素协调的蚁群算法[J].控制与决策，2013，28（5）：782-786.

[6] 胡慧，何聚厚，何秀青.基于模糊理论和蚁群算法的图像边缘连接方法[J].计算机工程与应用，2014，50（3））：168-172.

[7] 冀俊忠，黄振，刘椿年.改进蚁群算法在智能交通中的应用[J].数学的实践与认识，2013，43（3）：66-72.