●●● ●●●● ●●●●● ●●●● 基于群智能的优化算法 ●●0●● ●●●0 典型算法 蚁群算法(蚂蚁觅食) 粒子群算法(蜂群或鸟群觅食) 鱼群算法(鱼群觅食) 已有的群智能理论的研究和应用证明群智能方法是 优点种能够有效解决大多数优化问题的新方法 灵活性 稳健性 自组织 潜在的并行和分布
基于群智能的优化算法 ⚫ 典型算法 蚁群算法（蚂蚁觅食） 粒子群算法（蜂群或鸟群觅食） 鱼群算法（鱼群觅食） ⚫ 优点 灵活性 稳健性 自组织 潜在的并行和分布 已有的群智能理论的研究和应用证明群智能方法是一 种能够有效解决大多数优化问题的新方法
●●● ●●●● ●●●●● ●●●● 蚁群算法 ●●0●● ●●●0 ●1992年由意大利的学者多里戈 提出 ●模拟自然界中蚂蚁寻找从巢穴 到食物的最佳路径的行为 种新型的优化算法 多里戈
蚁群算法 ⚫ 1992年由意大利的学者多里戈 提出 ⚫ 模拟自然界中蚂蚁寻找从巢穴 到食物的最佳路径的行为 ⚫ 一种新型的优化算法
●●● ●●● 蚁群算法的起源 ●●●● ●蚁群的自组织行为 1989年,戈斯等研究蚂蚁觅 食的“双桥实验” 蚁穴 通过遗留在来往路径 上的信息素 ( Pheromone)的挥 发性化学物质来进行 通信和协调。 食物
⚫ 蚁群的自组织行为 1989年，戈斯等研究蚂蚁觅 食的“双桥实验” 通过遗留在来往路径 上的信息素 （Pheromone）的挥 发性化学物质来进行 通信和协调。 蚁群算法的起源 蚁穴 食物
●●● ●●●● 蚁群算法的起源 ●●●●● ●●●● ●●0●● ●●●0 增加桥的难L 度 ●分时段记录 各路径上的 蚂蚁数量
蚁群算法的起源 ⚫ 增加桥的难 度 ⚫ 分时段记录 各路径上的 蚂蚁数量
●●● ●●●● 初始 ●●●●● ●●●● 神奇的信息素 ●●0●● ●●●0 ●蚂蚁觅食的过程 运行一段时间 随机移动 遇到食物返回的路上分泌信息素 ●信息素:易挥发性的化学物质 ●在回家的路上留下信息素 ●其它蚂蚁发现留有信息素的路径结束漫游,沿 着该路径移动,遇到食物同样返回途中分泌信 息素。 信息素会随着时间慢慢挥发,关键路径上的信 息素相对浓度高
神奇的信息素 ⚫ 蚂蚁觅食的过程 ⚫ 随机移动 ⚫ 遇到食物返回的路上分泌信息素 ⚫ 信息素：易挥发性的化学物质 ⚫ 在回家的路上留下信息素 ⚫ 其它蚂蚁发现留有信息素的路径结束漫游，沿 着该路径移动，遇到食物同样返回途中分泌信 息素。 ⚫ 信息素会随着时间慢慢挥发，关键路径上的信 息素相对浓度高 初始 运行一段时间