1、螞蟻系統模型的建立
給定g=(v,a)，其中v為定點集，a為各頂點互相連線組成的邊集,已知各頂點之間的連線距離，要求確定一條長度最短的迴路，僅遍歷一次所有頂點的迴路。引入記號：
m：蟻群中螞蟻的數量；bi（t）：t時刻位於城市i的螞蟻的數量 dij：城市i和j之間的距離 nij：邊（i，j）的能見度，反映城市i轉移到城市j的啟發程度（啟發程度越高，選擇該路的概率越高）；γij:(i,j)邊上的資訊素軌跡強度；蝶兒他γij，螞蟻在邊（i，j）上留下的單位長度軌跡資訊素量；pkij:,螞蟻k的轉移概率，j是將要到的城市。
每只螞蟻完成的操作如下所示：
① 從城市i轉移到城市j的過程或是完成一次迴圈之後，螞蟻在邊（i，j）上釋放資訊素；
② 螞蟻概率地選擇下個要訪問的城市，這個函式與連線兩城市的路徑上的資訊素有關。
③ 為了滿足問題的約束條件，在完成一次迴圈之前，不允許螞蟻選擇已經訪問過的城市。（這個問題的約束條件是什麼？）
簡單的蟻群演算法的基本流程
① 初始化蟻群
② 選擇第i只螞蟻（i從0開始），對每只螞蟻的適應度做一評價
③ 釋放資訊素 螞蟻的適應度越高，釋放的資訊素越多
④ 螞蟻移動 螞蟻根據前面螞蟻累積的資訊素和自己的判斷移動
④ 資訊素的揮發
初始時刻，各條路徑上的資訊素量相等。在t=0的時候，初始資訊素軌跡強度全為c。螞蟻使用的狀態轉移規則稱為隨機比例規則，轉移概率的計算如下：對於允許到達的重點來說，轉移狀態=要走的路的資訊素軌跡強度的α次*要走的路的可見度的β次/（所有路的資訊素軌跡強度的α次之和*所有路的可見度β次之和）。可以通過調整α和β來反映相對重要性。
蟻密系統模型：乙隻螞蟻經過路徑（i，j）上釋放的資訊量為每單位q
蟻量模型：乙隻螞蟻在經過路徑（i，j）上釋放的資訊量為每單位長度q/dij.
未完待續、、、
蟻群優化演算法
蟻群優化演算法作為一種全域性最優化搜素方法，同遺傳演算法一樣，靈感都 於自然界，並有良好的搜素效能。然而，從數學的角度來理解分析它們的工作方式是很難的，因為這些演算法都具有很複雜的隨機過程。aco演算法的過程具有一定的隨機性，這就要求初始化螞蟻的數量和更新資訊素的次數必須足夠的多，只有這樣才能最終收...
蟻群演算法詳解
今天開始學習優化演算法，話說蟻群演算法是之前看過的，唉，今天一看都看不懂了，蟻群演算法的思想我就不說了，現在來理解一下這個 吧！該 的主要思想是 for 迭代次數 for 螞蟻個數 每個螞蟻完整的走完一遍 每個點訪問一次 end更新資訊素 end然後根據資訊素的多少找出一條路徑來 tsp的蟻群演算法...
ACO蟻群演算法
aco蟻群演算法 總結一下 在蟻群演算法中有兩個比較重要的引數資訊素濃度a，距離d，主要依靠這兩個特徵引數來推算出蟻群去往地點的概率。在比較早的時候成功解決了tsp旅行商的問題 在後面的例子中也會以這個例子 要用演算法去模擬螞蟻的這種行為，關鍵在於資訊素的在演算法中的設計，以及路徑中資訊素濃度越大的...