1、 丁建立丁建立 中国民航大学计算机学院中国民航大学计算机学院 l蚂蚁算法的原理、特点 l蚂蚁算法的模型 l蚂蚁算法的研究进展 l蚂蚁算法求解TSP问题 l用于优化领域的人工蚂蚁算法 ， 其基本原理吸收了 生物界中蚂蚁群体行为的某些显著特征: l（1） 察觉小范围区域内状况并判断出是否有食物 l 或其他同类的信息素轨迹； l（2） 释放自己的信息素； l（3） 所遗留的信息素数量会随时间而逐步减少 。
图图2-1 蚂蚁从蚁穴蚂蚁从蚁穴（Nest）移至食物源）移至食物源(Food) 图图2-2 在巢穴与食物源之间出现障碍物时蚂蚁收敛到最短路径的过程在巢穴与食物源之间出现障碍物时蚂蚁收敛到最短路径的过程。

2、l蚂蚁在寻找食物源时 ， 能在其走过的路上释放一种特殊的分泌物蚂蚁在寻找食物源时 ， 能在其走过的路上释放一种特殊的分泌物信信 息素息素 (随着时间的推移该物质会逐渐挥发随着时间的推移该物质会逐渐挥发), 后来的蚂蚁选择该路径的概后来的蚂蚁选择该路径的概 率与当时这条路径上该物质的强度成正比率与当时这条路径上该物质的强度成正比. l当一定路径上通过的蚂蚁越来越多时 ， 其留下的信息素轨迹也越来越多 ， 当一定路径上通过的蚂蚁越来越多时 ， 其留下的信息素轨迹也越来越多 ，后来蚂蚁选择该路径的概率也越高 ， 从而更增加了该路径的信息素强度 。
后来蚂蚁选择该路径的概率也越高 ， 从而更增加了该路径的信息素强度 。
l而强度大的信 。

3、息素会吸引更多的蚂蚁 ， 从而形成一种正反馈机制而强度大的信息素会吸引更多的蚂蚁 ， 从而形成一种正反馈机制, 通过通过 这种正反馈机制 ， 蚂蚁最终可以发现最短路径 。
这种正反馈机制 ， 蚂蚁最终可以发现最短路径 。
l 特别地 ， 当蚂蚁巢穴与食物源之间出现障碍物时 ， 蚂蚁不仅可以绕过障特别地 ， 当蚂蚁巢穴与食物源之间出现障碍物时 ， 蚂蚁不仅可以绕过障 碍物 ， 而且通过蚁群信息素轨迹在不同路径上的变化 ， 经过一段时间的碍物 ， 而且通过蚁群信息素轨迹在不同路径上的变化 ， 经过一段时间的 正反馈 ， 最终收敛到最短路径上 。
正反馈 ， 最终收敛到最短路径上 。
（1）其原理是一种正反馈机制或称增强型学习系统；）其原理是一种正反馈机制或称增强型 。

4、学习系统；它通过信 息素的不断更新达到最终收敛于最优路径上； （2）它是一种通用型随机优化方法；）它是一种通用型随机优化方法；但人工蚂蚁决不是对实际 蚂蚁的一种简单模拟 ， 它融进了人类的智能； （3）它是一种分布式的优化方法；）它是一种分布式的优化方法；不仅适合目前的串行计算机 ，而且适合未来的并行计算机； （4）它是一种全局优化的方法；）它是一种全局优化的方法；不仅可用于求解单目标优化问 题 ， 而且可用于求解多目标优化问题； （5）它是一种启发式算法；）它是一种启发式算法；计算复杂性为， 其中 NC 是迭代次数 ， m 是蚂蚁数目 ， n 是目的节点数目 。
)( 2 nmNCO 蚂蚁算法（蚂蚁算法（An 。

5、t Algorithm, AA）或统称蚁群优化（）或统称蚁群优化（Ant Colony Optimization, ACO）一些符号的含义：）一些符号的含义： m 蚂蚁个数蚂蚁个数;
n 结点（顶点）个数结点（顶点）个数;
边弧边弧 的能见度（的能见度（visibility）, 或称局部启发因子 ， 或称局部启发因子 ，一般取一般取，表示路径表示路径 之间的长度之间的长度;
边弧边弧 的信息素轨迹强度（的信息素轨迹强度（intensity）;
蚂蚁蚂蚁k 于弧上于弧上 留下的单位长度轨迹信息素数量留下的单位长度轨迹信息素数量;
蚂蚁蚂蚁k 在结点的转移概率 ， 在结点的转移概率 ， j 是尚未访问结点 。

6、是尚未访问结点;
信息素轨迹的相对重要性（信息素轨迹的相对重要性（ ）;
边弧能见度的相对重要性（边弧能见度的相对重要性（ ）;
ij ),(ji ij d1 ij d ),(ji ij ),(ji k ij ),(ji k ij p 0 0 信息素轨迹的持久性（信息素轨迹的持久性（ ） ， ） ，可理解为可理解为 轨迹衰减度（轨迹衰减度（evaporation）；）； 体现蚂蚁所留轨迹数量的一个常数；体现蚂蚁所留轨迹数量的一个常数； 可行结点集合；可行结点集合； 为第为第k 只蚂蚁在第结点只蚂蚁在第结点i 出发下一步的可行结点集；出发下一步的可行结点集； 一个列表 ， 用于记录第一个列表 ， 用于记录第 。

7、k只蚂蚁到目前为止已经只蚂蚁到目前为止已经 访问的城市 。

稿源：(未知)

【傻大方】网址：/a/2021/0819/0023818768.html

标题：蚂蚁|蚂蚁算法2010