群智能算法是一种新兴的人工智能方法，已成为越来越多研究者的关注焦 点。蚁群算法是群智能算法的一个重要的分支，是意大利学者 M. Dorigo 通过模 拟蚁群觅食行为提出的[1]。本文首先介绍了群智能的概念及特点，然后详细介绍 基本蚁群算法的原理及其优缺点。 在此基础上又介绍了五种针对基本蚁群算法的 改进算法，最后针对蚁群算法的应用做了简要的介绍。
2 蚁群算法概述....................................................................................................................................... 5 2.1 蚁群算法基本原理....................................................................................................................... 5 2.2 蚁群算法的优点与不足............................................................................................................... 7 2.3 本章小结..................................................................................................................................... 7 3 改进的蚁群优化算法............................................................................................................................ 8 3.1 3.2 3.3 3.4 3.5 带精英策略的蚁群算法...........................................................................................................8 基于优化排序的蚂蚁系统.......................................................................................................8 蚁群系统...................................................................................................................................8 最大-最小蚂蚁系统.................................................................................................................9 最优-最差蚂蚁系统.................................................................................................................9
4
（5）在蚁群算法中存在一种信息素的挥发机制，类似于真实世界中的情况， （6）不预测未来状态概率的状态转移策略。人工蚁的策略是充分利用了局 部信息，而没有前瞻性的预测未来的状态。
图 1：二元桥实验初始状态
图 2：二元桥实验结束状态
2 蚁群算法概述
下面详细介绍蚁群算法原理及其优缺点。
2.1 蚁群算法基本原理
1.2 群智能的特点
群智能有如下特点和优点[2]： (1) 群体中相互合作的个体是分布的(Distributed)，这样更能够适应当前网 络环境下的工作状态。 (2) 没有中心的控制与数据，这样的系统更具有鲁棒性(Robust)，不会由于 某一个或者某几个个体的故障而影响整个问题的求解。 (3) 可以不通过个体之间直接通信，而是通过非直接通信进行合作，这样的 系统具有更好的可扩充性(Scalability)。 (4) 由于系统中个体的增加而增加的系统通信开销在这里是十分小的， 系统 中每个个体的能力十分简单， 这样每个个体的执行时间比较短，并且实现也比较 简单，具有简单性(Simplicity)。
3
1 绪论
仿ቤተ መጻሕፍቲ ባይዱ优化算法是人工智能研究领域的一个重要的分支，其中包括模拟生物界 中自然选择和遗传机制的遗传算法、 模拟蚂蚁群体觅食行为的蚁群算法以及模拟 鸟类群体捕食行为的粒子群算法等。
1.1 群智能的概念
蚂蚁、 蜜蜂和鸟类等社会性的群居动物可以通过分工协作完成诸如发现新的 食物源、建筑庞大复杂的巢穴、跨越几千公里迁徙到指定地区等复杂的任务。通 过对这些动物的研究产生了群智能的概念。群智能指的就是“无智能的主体通过 合作表现出智能行为的特性”[2]，是一种基于生物群体行为规律的计算技术。
4 蚁群优化算法的应用.......................................................................................................................... 10 参考文献................................................................................................................................................. 10
蚁群算法[3]可以表述如下：初始时刻，各条路径上的信息素量相等，设τij(0) = C（C 为常数） ，蚂蚁 k（k=1,2,3,…,m）在运动过程中根据各条路径上的信息
5
量决定转移方向。蚂蚁系统所使用的转移规则被称为随机比例规则，在时刻 t， 蚂蚁 k 从城市 i 选择城市 j 的转移概率 pijk (t)为：
【关键词】 群智能；蚁群算法；改进算法
Abstract: Swarm intelligence is a newly developing method in the field of artificial intelligence. It has become the focus of more and more researchers. Ant colony algorithm is an important branch of Swarm intelligent algorithm. It was proposed by an Italian scholar M. Dorigo through simulating the foraging behaviors of ant colony. This paper first introduced the concept and characteristic of swarm intelligence, and then introduced the principle of basic ant colony algorithm and their advantages and disadvantages. On this basis, I introduce five improved algorithms of basic ant colony algorithm and the application of ant colony algorithm.
(2. 1)
其中，Jk(i)= {1，2，……，n}- tabuk 表示蚂蚁 k 下一步允许选择的城市。列表 tabuk 记录了蚂蚁 k 在本次迭代中已经走过的城市，不允许该蚂蚁在本次循环中 再经过这些城市。当所有 n 座城市都加入到 tabuk 中时，蚂蚁 k 便完成了一次 周游，此时蚂蚁 k 所走过的路径便是 TSP 问题的一个可行解。(2. 1)式中的ηij 是一个启发式因子，被称为能见度因子。在 AS 算法中，ηij 通常取城市 i 与 城市 j 之间距离的倒数。α和β分别反映了在蚂蚁的运动过程中已积累的信息 和启发信息的相对重要程度。 当所有蚂蚁完成一次周游后，各路径上的信息素根 据（2. 2）式更新。
【Key words】Swarm intelligence; Ant colony algorithm; Improved algorithm
2
目录
目录........................................................................................................................................................... 3 1 绪论....................................................................................................................................................... 4 1.1 1.2 1.3 群智能的概念............................................................................................................................. 4 群智能的特点............................................................................................................................. 4 蚁群算法的基本思想................................................................................................................. 4