优化算法之蚁群算法ACO:
蚁群算法(Ant colony optimization),简称ACO是一种用来寻找优化路径的概率型算法。它由Marco Dorigo在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。该算法应用于其他组合优化问题,如旅行商问题、指派问题、车辆路由问题、图着色问题和网络路由问题等。
ACO特点:
优点:
- 采用正反馈机制,使得搜索过程不断收敛,最终逼近最优解。
- 每个个体可以通过释放信息素来改变周围的环境,且每个个体能够感知周围环境的实时变化,个体间通过环境进行间接地通讯。
- 搜索过程采用分布式计算方式,多个个体同时进行并行计算,大大提高了算法的计算能力和运行效率。
- 启发式的概率搜索方式不容易陷入局部最优,易于寻找到全局最优解。
缺点:
- 收敛速度慢。
- 种群多样性与收敛速度的矛盾。
实现过程:
蚂蚁找到最短路径要归功于信息素和环境,假设有两条路可从蚁窝通向食物,开始时两条路上的蚂蚁数量差不多:当蚂蚁到达终点之后会立即返回,距离短的路上的蚂蚁往返一次时间短ÿ