蚁群算法
- 蚂蚁如何找到最短路径
- 蚁群算法
- 特征
- 基本思想
- 数学模型（以TSP问题为例子）
- 初始化
- 选择路径
- 更新信息
- 输出结果
- 蚁群大小
- 终止条件
- 蚁群算法的基本思想（总结）
- 蚁群算法的改进优化
- 带精英策略的蚂蚁（AS）
- 蚁群系统（ACS）
- 最大最小蚂蚁系统（MMAS）
- 基于优化排序的蚂蚁系统（ASrank）
- 最优最差蚂蚁系统（BWAS）
- 一种新的自适应蚁群算法（AACA）
- 基于混合行为的蚁群算法（HBACA）
蚂蚁如何找到最短路径
- 信息素：信息素多的地方经过这里的蚂蚁多，会有更多的蚂蚁聚集过来。
- 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。
蚁群算法
特征
基本思想
数学模型（以TSP问题为例子）
初始化
将m只蚂蚁随机放到n个城市，每只蚂蚁的禁忌表尾蚂蚁当前所在的城市，各边信息素初始化为c。（禁忌表体现了人工蚂蚁的记忆性，使得蚂蚁不会走重复道路，提高了效率）
选择路径
在t时刻，蚂蚁k从城市i转移到城市j的概率为：
更新信息
在所有蚂蚁找到一条合法路径后对信息进行更新：
输出结果
若未达到终止条件则转到步骤二，否则就输出最优解。
蚁群大小
根据计算规模确定。
终止条件
蚁群算法的基本思想（总结）
蚁群算法的改进优化
带精英策略的蚂蚁（AS）
蚁群系统（ACS）
最大最小蚂蚁系统（MMAS）
基于优化排序的蚂蚁系统（ASrank）
最优最差蚂蚁系统（BWAS）
一种新的自适应蚁群算法（AACA）
基于混合行为的蚁群算法（HBACA）
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
