蚁群算法

一 定义
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向 环境释放一种挥发性分泌物pheromone (称为信息素,该物质随着时间的推移会逐渐挥发消失，信息素浓度的大小表征路径的远近)来实现的，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物。有些蚂蚁并没有像其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果另开辟的道路比原来的其他道路更短，那么，渐渐地，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。

二 原理
在研究蚂蚁觅食行为过程中，人们发现，尽管单只蚂蚁的能力十分有限，但整个蚁群却在觅食过程中可以发现 从蚁巢到食物源的最短路径。 在觅食过程中，蚂蚁通过“媒介质”来协调它们之间 的行动。所谓“媒介质”指的是一种以环境的变化为媒介 的间接通信方式。蚂蚁在寻找食物时，以其产生的被称为 信息素的化学物质作为媒介而间接的传递信息。当蚂蚁从 蚁穴走到食物源，从而形成了含有信息素的路径。• 蚁群算法是对自然界蚂蚁的寻径方式进行模似而得出的 一种仿生算法：蚂蚁在运动过程中，能够在它所经过的路 径上留下信息素(pheromone)的物质进行信息传递，而且 蚂蚁在运动过程中能够感知这种物质，并以此指导自己的 运动方向。 由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈 现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。

三 基本算法
在ACO 算法中，人工蚂蚁实际上代表的是一个解的随机构 建过程，从最初的空解开始，通过不断地向部分解添加解 的成分而构建出一个完整的解
AS算法对TSP的求解主要有两大步骤：
1、路径构建
2、信息素更新

四 基于TSP问题的蚁群算法
路径构建
定义5.1 AS中的随机比例规则；对于每只蚂蚁k ，路径记忆向量 按照访问顺序记录了所有k已 经经过的城市序号。设蚂蚁k当前所在城市为i， 则其选择城市j作为下一个访问对象的概率为：

这里m是蚂蚁个数, ρ是信息素的蒸发率，规定0≤ ρ≤1， 在AS中通常设置为 ρ =0.5，Δτij是第k只蚂蚁在它经过的 边上释放的信息素量，它等于蚂蚁k本轮构建路径长度的 倒数。Ck表示路径长度，它是Rk中所有边的长度和。

五 代码实现要点和结果分析
1.重新构建城市