蚁群算法

蚁群算法步骤

1）路径构建

每个蚂蚁都随机选择一个城市作为其出发城市，并维护一个路径记忆向量，用来存放该蚂蚁依次经过的城市。蚂蚁在构建路径的每一步中，按照一个随机比例规则选 择下一个要到达的城市。随机概率是按照下列公式来进行计算的：

 每只蚂蚁的一步转移概率由图中的每条边上的两类参数决定：1. 信息素值也称信息素痕迹。2.能见度，即距离的倒数。

上述公式就是计算 当前点 到 每一个可能的下一个节点 的概率。分子是 信息素强度 和 能见度 的幂乘积，而分母则是所有 分子的和值。注意每次选择好节点后，就要从可用节点中移除选择的节点。

2）信息素更新

算法在初始期间给信息素一个固定的浓度值，在每一次迭代完成之后，所有出去的蚂蚁回来后，会对所走过的路线进行计算，然后更新相应的边的信息素浓度。很明显，这个数值肯定是和蚂蚁所走的长度有关系的，经过一次次的迭代， 近距离的线路的浓度会很高，从而得到近似最优解。

①初始化信息素浓度τij=C：

1）如果C太小，算法容易早熟，蚂蚁会很快集中到一条局部最优路径上来，因为C值太小，使得和每次挥发和增强的值都差不多，那么随机情况下，一些小概率的事件发生就会增加非最优路径的信息素浓度；

2）如果C太大，信息素对搜索方向的指导性作用减低，影响算法性能。

3）一般情况下，我们可以使用贪婪算法获取一个路径值Cnn，然后根据蚂蚁个数来计算C(0) = m/Cnn ,m为蚂蚁个数。

②信息素更新：

    每完成一次迭代，计算每只蚂蚁全部路径长度Ck，根据以下公式更新信息素：

信息素的更新方式有2种，一是挥发，也就是所有路径上的信息素以一定的比率进行减少，模拟自然蚁群的信息素随时间挥发的过程；二是增强，给评价值“好”(有蚂蚁走过)的边增加信息素。其中△τ的定义如下：

   【这里每一次迭代的意义是：每次迭代的m只蚂蚁都完成了自己的路径过程，回到原点后的整个过程。】

3）迭代停止

　迭代停止的条件有两种情况：1）迭代次数达到最大用户定义

             2）所有蚂蚁都走同一路线（停滞状态）

蚁群伪代码

蚁群应用举例