1、蚁群算法简介
蚁群算法是意大利学者M.Dorigo根据蚂蚁觅食原理提出的一种基于生物习性的启发式算法,主要用于解决复杂组合优化问题。无线传感器网络是由大量资源有限的传感器节点组成的,并通过这些节点协同工作来完成一些复杂任务,这种特点与群体智能算法有着必然的联系。典型的基于蚁群的路由算法有:schoonde~eul等人提出的以概率的方式选择和更新路径的ABC(antbasedcontrol)算法,该算法中,在源节点只释放一种蚂蚁,这些蚂蚁到达目的节点后死亡,这样,当蚂蚁到达节点时,就更新了节点的路由表;Kassabalidis等人提出的AntNet算法,该算法通过前向蚂蚁和返回蚂蚁来实现路由优化,即前向蚂蚁收集节点信息,返回蚂蚁利用这些信息更新路由表。
2、蚁群算法的基本思想
蚁群算法是受自然界中真实蚁群觅食行为的启发而产生的。蚂蚁在寻找食物的过程中,常常会在其走过的地方留下一些化学物质(信息素)。这些物质能够被同一蚁群中后来的蚂蚁感知到,同时,它也将作为一种信号影响后来蚂蚁的行为(如可能会增加后到的蚂蚁选择有这些物质的路径的可能性),而后来蚂蚁留下的信息素会加强原有的信息素浓度,并如此循环下去。由于在相同的时间段内,路径越短,访问这条路径的蚂蚁就会越多,则这条路径上积累的信息素浓度也就越强,后续的蚂蚁选择这条路径的可能性也就越大,最后所有的蚂蚁都走最短的这条路径。
蚁群优化(ant colony optimizat ion, ACO) [8,9]算法是由Dorigo、Maniezzo和Colorni等人通过对自然界中真实蚁群的集体行为的研究成功到启发而提出的一种新型模拟进化算法。蚁群算法被用来求解TSP问题、背包问题和指派问题等多种NP完全问题。蚁群算法中的人工蚂蚁和自然界中真实蚂蚁一样,它们的任务都是寻找一个从源节点(蚁巢)到目的节点(食物源)的最优路径。蚂蚁在寻找食物的过程中,会在其通过的路径上留下一种化学刺激物质即信息素,以指引前来觅食的蚂蚁可以成功找到食物源,信息素浓度越高越蚂蚁倾向于向这个方向移动。蚁群算法中通过信息素更新机制和信息素挥发机制不断改变路径上的信息素量寻找最优路径。
3、 蚁群算法的数学模型