本文介绍了蚁群算法的原理，源自于1992年Marco Dorigo的博士论文，该算法受蚂蚁觅食行为启发，常用于解决旅行商问题(TSP)等优化问题。蚁群算法通过模拟蚂蚁利用信息素选择路径的方式，逐渐强化最短路径，展现出在复杂优化问题上的潜力。文中还列举了多个应用实例，涉及短期负荷预测、无人机任务规划、配电网规划等领域，并探讨了算法的改进和应用前景。
http://www.equn.com/forum/viewthread.php?tid=6768
近一百多篇文章，打包压缩后有 24.99MB ，基本上是从维普数据库中下载来的蚁群算法(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技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。引言
20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发，提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题．20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法．用该方法求解TsP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题 方面有一定优势，表明它是一种有发展前景的算法．蚁群算法的原理：
研究表明：蚂蚁在觅食途中会留下一种外激素．蚂蚁利用外激素与其他蚂蚁交流、合作，找到较短路径．经过某地的蚂蚁越多，外激素的强度越大&#
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
