当前位置:文档之家› 浅谈蚁群算法及应用

浅谈蚁群算法及应用

。- 一一 …… 一一 一… ……一一…一一… DOI:10.16707 ̄.cnki.fjpc.2016.02.014 

浅谈蚁群算法及应用 曹佩瑶,盛仲飙 (渭南师范学院数学与信息科学学院陕西渭南714000) 

【摘要】蚁群算法(AcA)是一种高度创新性智能搜索算法,具有极强的鲁棒性和较好的发现能力。本文介绍了蚁群 算法的原理和特点,探讨了蚁群算法的在各领域中应用,介绍了算法的一些改进策略,最后总结了蚁群算法研究的发展 趋势。 【关键词】蚁群算法;组合优化;发展趋势 

1前言 自上世纪创立仿生学以来,人们从生物进化的机制中得到 启发,提出了许多用于解决复杂优化问题的新方法,并成功应 用于解决实际问题。蚁群算法是一种受到蚂蚁在觅食过程中能 发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来 的一种群体智能算法。具有较强的鲁棒性、优良的分布式计算 机制,易于与其它方法结合等优点,在解决许多复杂优化问题 方面已经展示出其优异的性能和巨大的发展潜力,并成功地用 于诸如生产调度等生产问题。 2蚁群算法原理 蚁群算法又称蚂蚁算法,是由意大利科学家M.Dorigo等人 受自然界蚂蚁觅食过程启发而率先提出的一种新型搜索优化 算法。蚁群算法起源于对自然界真实蚂蚁的觅食行为的研究, 在研究中发现蚂蚁之间采用化学通信作为基本的信息交流方 式,自然界中的蚂蚁会通过分泌一种化学刺激素——信息素 (pheromone)来传递信息,蚂蚁在运动的过程中在自己所经过的 路径上留下信息素,通常蚂蚁都倾向于向信息素浓度高的方向 移动。某一条路径越短,路径上经过的蚂蚁越多,其信息素遗留 也就越多,信息素的浓度也就越高,蚂蚁选择这条路径的几率 也就越高从而形成一种正反馈机制。通过这种机制,蚂蚁最终 可以发现最短路径。 

毫 

^ 蚰 图1.1蚂蚁觅食原理 ^ 堪 

3蚁群算法数学模型 为了便于研究提出如下假设:蚁群之间通过信息素和环境 进行通信;个体水平上,每个蚂蚁相对独立;群体水平上,每只 蚂蚁的行为是随机的。 假设蚂蚁在t时刻选择路径的概率为: 

基金项目:渭南师范学院大学生创新创业训练计划项目(2014XK097) 

∑( · 其中,r (£)表示t时刻信息素浓度, 为启发信息(反映每 只蚂蚁运动路径受路径上信息素值的影响大小)。 每只蚂蚁在走完一步后依据以下规则对路径上的信息素 进行更新。 Tij

(f+月)=(1一 )‘fL,( )+Ar,』(f) 

/// Ar, ( )= Av,, (£) 

:1 其中P为信息素的挥发系数。当迭代次数达到事先定义好 

的最大次数或m只蚂蚁都选择了同一路径时,终止整个程序, 表示蚂蚁选择了最短路径。 4蚁群算法的改进及应用 4.1旅行商问题 旅行商问题简称TSP问题,是最基本的线路问题,它解决 如何找到一条从一个城市出发经过若干个城市后又返回原城 市的最短路径。基于传统蚁群算法的缺点,目前提出了最大最 小蚁群算法,动态蚁群算法以及与其他仿生算法融合的算法。 4.2图像分割 实践证明蚁群算法有利于处理一些复杂、大数据量的任 务,而图像分割可以归结为大量数据的聚类为题,所以将蚁群 算法用于图像分割具有重要的实际应用价值。目前改进的方 面:基于局部蚁群算法的分割策略以及自适应蚁群算法,蚁群 聚类算法等。 4.3数据挖掘 蚁群算法是一种新型的模拟进化算法,其在数据挖掘中的 应用正逐步引起人们的关注。目前,人工蚁群在知识发现的过 程中主要用于发掘聚类模型和分类模型。蚁群算法引入分类规 则的发现,是利用蚁群觅食原理在数据库中进行搜索,对随机 产生的一组规则进行选择优化,直到数据库能被该组规则覆 盖,从而挖掘出隐含在数据库中的规则,建立最优的分类模型。 5结论 本文主要研究了蚁群算法的机制及应用。虽然蚁群算法的 应用已经涉及的很多领域,但是仍存在许多不足,今后在应用 方面需要在以下两个方面进行研究: (1)摆脱传统模型框架,开发新的蚁群算法模型。 (下转第45页) 

2016年第2期l福建电脑 ·31· :~叠…~堡…璺…一壁 UJlAN COMpUTE鞴 

用户所需,或许没有达到B用户的预期需求。 例如,有三位用户,高校教师T、高校学生S、IT工作人员 w,当他们通过网络教育平台搜索“计算机网络”这一知识点的 学习资源时,反馈出来的结果有doc、ppt、动画、视频等不同媒 体类的资源和电子教案、教学课件、文献资料、实验实践、试卷 等不同资源类型的资源。那么,这三位用户的选择是有不同倾 向的。高校教师T倾向于选择ppt类型的电子教案和教学课件, 高校学生S倾向于选择动画、视频媒体类型的教学课件和试 卷,而对于I,I'工作人员w,他主要选择实践性更强的动画类型 的实验实践。对这一实例作图,如图1所示。 由于不同用户的个人情况不同,因而,实现网络教育资源 的个性化非常有必要。每位学习用户可以及时的从网络教育资 源的大数据库中搜索到适合自己的学习资源,既节省了选择时 间,又能提高网络教育平台的认可度,提高网络学习用户的学 习兴趣。 3实现网络教育资源个性化的策略 (1)抽取用户情境,构建用户个性化模型 用户情境指的是描述用户及其周围环境的相关信息,如用 户的基本信息、用户所处的环境(潜在信息)和用户的设备信 息。其中用户的基本信息是对用户本身属性的描述,包括静态 信息和个人偏好两个部分:静态信息描述了用户的一些静态特 征,比如姓名、年龄、性别等信息,个人偏好描述了用户的兴趣 爱好。用户所处的环境是指用户在知识学习过程中所呈现出来 的特定信息,如时间、地点、目标等。用户的设备信息主要包括 硬件设备和软件设备信息。 通过对网络教育资源和学习用户的研究,我们初步构建用 户的个性化模型:(1)用户的个人信息:姓名、性别、年龄、职业、 学历、学校/工作单位、学习/T作背景等,这些信息可以通过网 络平台的注册信息获取;(2)用户的学习痕迹,主要是用户在网 络教育平台学习时的浏览记录,通过记录推理用户的学习偏 好;(3)用户的兴趣爱好,借此信息可以推出用户最易接受的媒 体类型及资源类型;(4)用户的实时学习环境:时间、地点,争取 在用户最有效的学习时间点推送最合适的资源,比如上午精力 充沛,优先推送文本类资源,而下午用户的精力不足、注意力不 集中,可以推送动画类、视频类的资源:(5)用户的学习设备:手 机、电脑、网络等,由于不同设备的内存容量不同,手机用户可 以选择容量较小的文本类资源,电脑用户可以选择较费流量和 容量较大的动画、音频、视频类资源。 (2)利用本体构建网络教育资源库 本体的概念最早起源于哲学领域,从哲学的角度来说,本 体是一门有关存在及其本质规律的科学。随着信息技术和计算 机的发展,本体的思想逐步被人们借鉴并运用到人工智能等信 息领域中,其目的是为了解决有关知识重用和共享方面的问 题。 本体具有良好的概念层次结构,可以较好的表达概念及概 念间的关系。通过构建网络教育资源知识点本体,提供一个规 范的知识库对素材资源进行语义标注,从而可形成本体资源 库。 目前本体没有统一的构建规则,不同的领域,本体的构建 过程也不同。通过前人对本体的研究,总结出了本体的5条基 本规则:明确性与客观性、完整性、一致性、单向可扩展性、最小 约束性。只要在这5条规则的约束下进行本体的构建,根据实 际情况灵活掌握、权衡,其结果都可以达到人们预期的效果,但 是,隔行如隔山,在本体构建时,需要咨询该领域专家,以期求 得最佳本体库。 在本体的基础上构建资源库,可以明确资源的内容,推理 资源间的关系,是从属、平行还是包含,形成学习者的独特学习 路径。通过本体建设的资源库,减少资源的重复率,获得质量较 优的资源。当学习者在网络平台获取资源时,均可获得货真价 实的优秀资源。 4总结 面对海量的网络教育资源,学习者显得束手无策,不知从 何处出发,也不知如何才能得到适合自己需要的资源。本文分 析了用户的个性化信息,建议通过本体构建优质资源库,希望 通过这两方面的努力,针对不同用户,能推荐出针对性强又优 质的资源。由于作者在此方面研究尚浅,思路未免局限,期望专 家指正,本人更加努力前行。 

参考文献: [1]国家精品课程网.http://www.jpkcw.corn/. [2]精品课全民终身学习课程平台.http://www.jingpinke.com. [3]爱课程.http://www.icourses.cn/home/. [4]蒋祥杰.基于用户情境本体的个性化知识服务研究[D].武汉理工大 

学硕士学位论文,2010. [5]崔春华.基于本体的教育资源语义检索系统的研究与实现[D].重庆 

大学硕士学位论文,2012. 

作者简介: 刘燕美(1985一),士,河南原阳人,为通讯作者,硕士,讲师,主要研 究方向为计算机应用,远程教育。 

! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 、! ! ! \! !; ! ! ; ; ; 石 石 (上接第31页) 

(2)与其它比如人工鱼群算法,蜂群算法等智能算法很好 的融合,以扩展其解决实际问题的智能性。 相信随着人们对仿生智能系统理论及应用研究的不断深 入,蚁群算法必将展现出更加广阔、更加引人注目的发展前景。 

参考文献: [1]昊庆洪,张颖,马宗民.蚁群算法综述[J].微计算机信息,2011(11):1—2. [2]赵天男,王晓红.蚁群算法及其应用研究[J].软件导刊,2010(6):34—35. [3]姜长园.蚁群算法的理论及应用[J].计算机时代,2004(6). 

[4]李云.浅谈用蚁群算法求解TSP[J].甘肃联合大学学报(自然科学 版1.2010(7):61—62. [5]宋雪梅等.蚁群算法及其应用[J].河北理工学院学报.2006(2). [6]赵吉东瑚小兵,刘好斌.改进的蚁群算法及其在TSP中的应用[J].计 

算机工程与应用,2010,46(24). 

作者简介: 曹佩瑶(1992一),女。渭南师范学院数学与信息科学学院学生。 

2016 ̄2期l福建电脑 ·45·

相关主题