随机模型定义(t, +Pis(t)a(一般取α=2)Pis(t) =(t, +s(t) +(t, + Pa(t)isPi(t) = 1- Pis(t)蚁穴食物源节点信息素更新：节点dpis(t)/dt =y Pis(t-t,)+y Pis(t)Pildpiu(t)/dt =y P;(t-t,)+y Pi(t)其中i=l，j=2；i=2，j=1
随机模型 ( 2) ( ( )) ( ( )) ( ( )) ( ) = + + + + = 一般取 定 义 t t t t t t p t s is s il s is is 节点 s is l l il l p (t) 1 p (t) il = − is 信息素更新： 节点 d (t) dt p (t t ) p (t) is = js − s + is d (t) dt p (t t ) p (t) i l = jl − l + i l 其中i = 1，j = 2；i = 2，j = 1 6
模拟结果利用上述模型，设定每秒钟通过0.5支蚂蚁，进行了1000次蒙特卡洛模拟。每次模拟统计从第501只到第1000只过桥蚂蚁的分支选择信息。结果如下：100两条分支具有相等长度的实验结果500~2020~4040~6060~8080~100在较短分支上的流量百分比
模拟结果 两条分支具有相等 长度的实验结果 利用上述模型，设定每秒钟通过0.5支蚂蚁，进行 了1000次蒙特卡洛模拟。每次模拟统计从第501 只到第1000只过桥蚂蚁的分支选择信息。结果如 下： 7
模拟结果100.长路径=2倍短路径实验结果500E0~20 20~40 40~60 60~80 80~100在较短分支上的流量百分比(b):
模拟结果 长路径=2倍短路径 实验结果 8 在较短分支上的流量百分比
蚁群算法概述蚁群算法(AntColony Algorithm)food是由意大利学者Dorigo M,ColorniA等人于20世纪90年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于nest种群的启发式仿生进化算法。图1蚁群寻径模拟99
蚁群算法概述 nest food 蚁群算法(Ant Colony Algorithm) 是由意大利学者 Dorigo M， Colorni A等人于 图1 蚁群寻径模拟 20世纪90年代初期通过模 拟自然界中蚂蚁集体寻径 的行为而提出的一种基于 种群的启发式仿生进化算 法。 99
蚁群算法概述最早提出的蚁群优化算法称为蚂蚁系统（AntSystem，AS）应用于解决经典的旅行商问题（TSP），取得了较好的实验结果该算法的出现，开创了ACO研究的先河.虽然研究时间不长，但是现有的研究结果显示该算法在求解复杂优化问题方面有一定优势，是一种有发展前景的算法，目前已有许多改进的ACO算法应用已扩展到求解大规模集成电路综合布线问题,机器人路径规划，网络路由、图像处理和模式识别等领域。10
蚁群算法概述 ⚫ 最早提出的蚁群优化算法称为蚂蚁系统（Ant System, AS）应用于解决经典的旅行商问题（ TSP），取得了较好的实验结果. ⚫ 该算法的出现，开创了ACO研究的先河.虽然研 究时间不长，但是现有的研究结果显示该算法 在求解复杂优化问题方面有一定优势，是一种 有发展前景的算法。 ⚫ 目前已有许多改进的ACO算法. ⚫ 应用已扩展到求解大规模集成电路综合布线问 题,机器人路径规划，网络路由、图像处理和模 式识别 等领域。 10