零基础学启发式算法（6）-蚁群算法 (Ant Colony Optimization, ACO)

一、原理   

     蚂蚁会分泌一种叫做信息素的化学物质，蚂蚁的许多行为受信息素的调控。蚂蚁在运动过程中能够感知其经过的路径上信息素的浓度，蚂蚁倾向朝着信息素浓度高的方向移动。

    

    蚂蚁从A点出发，速度相同，食物在D点，取得食物后再折返回蚁巢。可能随机选择路线ABD（9个时间单位）或ACD（18个时间单位）。假设蚂蚁每经过一处所留下的信息素为一个单位，则经过36个时间单位后，所有开始一起出发的蚂蚁都经过不同路径从D点取得了食物，此时ABD的路线往返了2趟，每一处的信息素为4个单位，而ACD的路线往返了一趟，每一处的信息素为2个单位，其比值为2：1。

    单位时间内路径上通过蚂蚁的数量越多，则该路径上留下的信息素浓度越高。因此，最短路径上走过的蚂蚁数量越多，则后来的蚂蚁选择该路径的机率就越大，从而蚂蚁通过信息的交流实现了寻找食物和蚁巢之间最短路的目的。

二、蚁群算法

蚁群算法的基本原理:

1、蚂蚁在路径上释放信息素。

2、碰到还没走过的路口，就随机挑选一条路走。同时，释放与路径长度有关的信息素。

3、信息素浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时，就选择信息素浓度较高路径。

4、最优路径上的信息素浓度越来越大。

5、最终蚁群找到最优寻食路径。

流程

三、案例

对于 TSP（旅行商问题），其流程图如下

https://leovan.me/cn/2019/04/heuristic-algorithms/

https://blog.csdn.net/qq_33829154/article/details/85258615

https://blog.csdn.net/qq_36744449/article/details/120033201

https://www.cnblogs.com/caiyishuai/p/13270746.html

https://blog.csdn.net/weixin_42715356/article/details/83590449