39、蚁群算法中的分工与高级应用

蚁群算法中的分工与高级应用

1. 蚁群聚类与分工概述

在蚁群行为中，一些参数的设置对于聚类的形成至关重要。例如，相似度系数γ会根据蚂蚁的活动动态调整，蚂蚁的活动通过成功拾取和放下物品的频率来反映。初始时，每只蚂蚁k的γk(0)服从(0, 1)的均匀分布，之后每次迭代，γ的调整规则如下：
[
\gamma_k(t + 1) =
\begin{cases}
\gamma_k(t) + 0.01 & \text{if } \frac{n_{kf}(t)}{n_f} > 0.99 \
\gamma_k(t) - 0.01 & \text{if } \frac{n_{kf}(t)}{n_f} \leq 0.99
\end{cases}
]
其中，$n_{kf}(t)$ 是蚂蚁k在时间步t时失败放下动作的次数，且 $n_f > 0$。

Martin等人提出了一个用于模拟蚂蚁围绕异质性形成集群的最小模型，该模型不使用拾取或放下概率，蚂蚁也没有记忆，其动态由两个交替规则组成：
- 拾取和放下规则 ：当一只空载蚂蚁在其相邻位置观察到一个或多个尸体（数据项）时，它会以概率1拾取一个尸体。如果发现多个尸体，则随机选择一个。移动至少一步后，只有当蚂蚁被至少一个其他尸体包围时，才会将携带的尸体随机放置在一个空位置。蚂蚁不会越过尸体，因此可能会被困住。
- 随机游走规则 ：蚂蚁每次移动一个位置，但会在预分配的随机步数内始终朝同一方向移动。完成这些步数后，会随机选择一个新的方向和步数。如果在蚂蚁的路径上遇到尸体但未拾取，则会随机