蚁群算法的个人理解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

蚁群算法是一种寻找最优化路径的概率型算法，据说是是从灵感来源于蚂蚁在寻找食物过程中发现路径的行为。

一、蚁群寻找食物的路径

蚂蚁路过的地方会留下激素—信息素，后续的蚂蚁可以根据信息素来判断自己该怎么走。
刚开始时，第一批蚂蚁出动，此时地面没有任何信息素，所有蚂蚁随机选择一个方向去寻找食物，同时留下信息素，当蚂蚁寻找食物以后，原路返回。因为信息素随着时间的推移，会慢慢消散，所以寻找食物路程比较短的路径，信息素浓度会比较高，这对后面的蚂蚁寻找较优化路径提供了依据。
第二批蚂蚁出动时，地面已经有一些信息素了，大部分蚂蚁自然会选择信息素比较高，也就是路径比较短方向去寻找食物，但是自然也会存在比较“叛逆”的蚂蚁，选择信息素浓度低的，或者开创新路径。第二批蚂蚁返回以后，信息素浓度更新，时间会让没有蚂蚁走的路径的信息素慢慢消散，蚂蚁多的路径信息素浓度更高。若是那些“叛逆”的蚂蚁找到了更优的路径，因为路径短，耗时也短，所以信息素挥发少。这些对第三批的蚂蚁选择较优路径提供了更有力依据。
第三批重复第二批。。。。。

二、蚁群算法步骤

1.初始化

初始化蚂蚁的个数，每次派多少只蚂蚁，ant=常数；
初始化每个方向的信息素，方向i到j的信息素为 msg[i,j]=常数；
初始化启发式因子，ins[i,j]=1/d[i,j]，d[i,j]是i到j的距离；
（这个我就有点好奇了，蚂蚁怎么知道距离数值的。。。。。。。哈哈哈，但是这个是算法有的，我也不懂为啥）
每只蚂蚁携带的信息素，Q=常数；
最多派多少批蚂蚁，也就是最多循环多少次，cycle=常数；
初始化信息素和启发式因子的重要程度 α=常数，β=常数；
定义信息素的挥发比例，μ=常数。

2.公式

1 方向选择概率公式

p[i,j]=msg[i,j]^α * ins[i,j]^β / ∑(msg[i,j]^α * ins[i,j]^β)

p[i,j]表示在i选择方向j的概率
∑(msg[i,j]^α * ins[i,j]^β) 对j求和，表示从i出发，所有方向的信息素和启发因子的关系总和

2 信息素更新公式

msg[i,j]=(1-μ)*msg[i,j]+∑Δmsg[i,j]

∑Δmsg[i,j] 表示经过一次遍历，所有蚂蚁在方向i到j留下的信息素的和，1-μ表示这段时间信息素的挥发

3 信息素增加公式

Δmsg[i,j]=∑( Q / ∑d[i,j])；

∑d[i,j] 表示某只蚂蚁选择的路径总和;
Q / ∑d[i,j] 表示这只蚂蚁的信息素平分到所有路径上，这样较短的路径分配的信息素也会比较高;
∑( Q / ∑d[i,j]) 对蚂蚁数ant求和，表示这次遍历，所有蚂蚁在方向i到j的信息素总和；

3.出发

1 给每只蚂蚁随机分配一个初始位置
2 建立一个禁忌表，表示这只蚂蚁已经路过的位置，初始位置和路过的位置都加入禁忌表。排除已经在禁忌表的位置，用方向选概率公式计算剩下方向的概率，根据轮盘法选择一个的方向前进。遍历所有位置，计算距离，求得这只蚂蚁留下的信息素 Δmsg[i,j] ；
3 让数量为ant的蚂蚁走完，统计信息素的总和 ∑Δmsg[i,j] ，记录这批蚂蚁的最短路径L，更新信息素msg[i,j]；
4 如果遍历次数达到阈值，或者最短路径L达到目标值，误差在可接受范围，结束，输出最终结果L；否则重复1-3.

总结

算法新手入门，代码就不加了，只记录自己对算法的理解，如果有理解错误的地方，欢迎指正。
新手写文章，好难写啊啊啊啊啊！！！！
不过好处就是，写出来印象深一点，谁让我不想做笔记呢。