改進(jìn)的蟻群算法在移動Agent路徑選擇中的應(yīng)用研究樣本

河北科技大學(xué)年研究生考試試卷學(xué)號：1041姓名：徐韓學(xué)院：信息學(xué)院專業(yè)及研究方向：通信與信息系統(tǒng)網(wǎng)絡(luò)管理技術(shù)考試科目：智能優(yōu)化算法及其應(yīng)用考試時間：-5學(xué)時及學(xué)分：36學(xué)時2學(xué)分年6月3摘要移動Agent遷移過程半途徑選取一種典型、代表問題——旅行Agent問題(TAP)，是一種復(fù)雜組合優(yōu)化問題。蟻群算法(antcolonyalgorithm)作為一種新生物進(jìn)化算法，具備并行、正反饋和啟發(fā)式搜索等特點(diǎn)，在求解該問題上具備一定優(yōu)勢，但搜索時間長，易陷入局部最優(yōu)是其突出缺陷。本文結(jié)合既有蟻群算法和移動Agent自身特點(diǎn)，提出了基于任務(wù)權(quán)重和算法迭代次數(shù)來修改途徑上信息素更新規(guī)則和信息素?fù)]發(fā)系數(shù)ρ這兩種新辦法，來更好提高蟻群算法求解性能。核心詞：移動Agent，蟻群算法，任務(wù)權(quán)重一移動Agent途徑選取問題概述近年來，隨著人工智能和網(wǎng)絡(luò)技術(shù)飛速發(fā)展，國內(nèi)外眾多研究學(xué)者對移動Agent技術(shù)研究和發(fā)展也更加關(guān)注。移動Agent技術(shù)遷移方略是該技術(shù)基本技術(shù)核心，而移動Agent途徑選取問題，正是移動Agent遷移方略重要研究對象，因此求解移動Agent途徑選取問題具備重要意義。移動Agent遷移方略，受到了學(xué)術(shù)界和工業(yè)界廣泛關(guān)注，并進(jìn)行了大量摸索和研究，獲得了一定成績。旅行Agent問題(TAP)是移動Agent途徑選取問題中一種典型例子。該問題是依照移動Agent任務(wù)、網(wǎng)絡(luò)軟硬件環(huán)境和其她約束條件為移動Agent規(guī)劃出最佳遷移途徑。諸多研究學(xué)者對該問題都進(jìn)行了大量研究和實驗，提出了諸多有效辦法和思想，如遺傳算法，模仿退化算法等等，在該問題上獲得一定效果。旅行Agent問題(TAP)是一種NP完全問題，其時間度、空間復(fù)雜度都高，這就規(guī)定求解該問題辦法普通需要具備自適應(yīng)、自學(xué)習(xí)、分布式、并行化等特點(diǎn)。蟻群算法是意大利學(xué)者Dorigo等人在20世紀(jì)90年代，一方面提出一種基于種群啟發(fā)式仿生算法。該算法不但僅具備以上特性，并且還具備正反饋、引入與問題有關(guān)領(lǐng)域知識等特點(diǎn)，因此蟻群算法求解該問題是非常適當(dāng)。蟻群算法在求解該問題上具備很強(qiáng)優(yōu)勢，但是隨著問題規(guī)模增大和某些不擬定性因素存在，它會體現(xiàn)出全局搜索能力不強(qiáng)，易于陷入局部最優(yōu)等缺陷，因而，本文在基本蟻群算法基本上，理解和掌握既有其她改進(jìn)思想和辦法，提出了基于任務(wù)權(quán)重和算法迭代次數(shù)自適應(yīng)蟻群算法來求解該問題，對仿真實驗成果進(jìn)行了分析和比較。實驗成果表白，本文兩種改進(jìn)辦法使該算法性能有了一定提高。1.2蟻群算法1.2.1蟻群算法研究背景在當(dāng)今社會中，隨著人工智能(AI)和網(wǎng)絡(luò)技術(shù)飛速發(fā)展，科學(xué)技術(shù)與其她各種學(xué)科互相交叉，互相滲入和融合，不但給人們生活、學(xué)習(xí)和工作等方面帶了便利，并且也從主線上變化了人類生活和生產(chǎn)。與此同步，隨著人類生活空間不斷擴(kuò)大和對世界結(jié)識水平不斷提高，人們又對科學(xué)技術(shù)發(fā)展提出了更高、更多規(guī)定，期待著更多研究學(xué)者對它進(jìn)行不斷研究和提高，其中高效優(yōu)化技術(shù)和智能計算規(guī)定也進(jìn)一步迫切需求。為了提高優(yōu)化技術(shù)水平和智能計算發(fā)展，近些年來有諸多研究學(xué)者，特別是在生物方面研究專家和學(xué)者，通過對大自然中諸多生物生活現(xiàn)象和規(guī)律進(jìn)行了大量研究和探討，提出了諸多群體智能算法。它們是一種基于生物信息系統(tǒng)智能仿生算法，學(xué)者們是對社會性昆蟲互相合伙進(jìn)行工作研究，從生物進(jìn)化和仿生學(xué)角度受到啟發(fā)而提出。眾所周知，社會性昆蟲如蜜蜂，螞蟻等，雖然其單個個體力量很小，行為方式很簡樸、隨機(jī)，但是它們卻可以憑借集體力量進(jìn)行某些復(fù)雜社會性活動，來更好完畢單個個體很難甚至不能完畢行為或活動，如它們可以通過社會分工等方式來更快找到食物，共同建造巢穴和防止外敵入侵等等。這種群體所體現(xiàn)出來“智能”，就可以稱之為群體智能[5](SwarmIntelligenceSI)。群體智能中群體(Swarm)是指“一組互相之間可以進(jìn)行間接通信(Stigmergy)主體，這組主體可以合伙進(jìn)行分布式問題求解”。而所謂群體智能是指“無智能主體通過合伙體現(xiàn)出智能行為特性”。群體智能在沒有集中控制并且不提供全局模型前提下，為尋找復(fù)雜分布式問題解決方案提供了基本。在諸多專家和研究學(xué)者共同努力下，有諸多群體智能算法得以提出并有了較好發(fā)展和應(yīng)用。雖然有些智能算法有了成熟理論基本，但是把它們可以較好應(yīng)用到現(xiàn)實生活中尚有一定差距，需要咱們共同參加，進(jìn)行不斷摸索、嘗試和研究。蟻群算法正是群體智能算法中一種重要分支。在對某些生物昆蟲，如蜜蜂、螞蟻等進(jìn)行大量觀測和研究后，生物學(xué)家發(fā)現(xiàn)了像螞蟻這樣弱小昆蟲，在覓食時候，通過群體力量，通過多次摸索和尋找，最后可以找得到一條從巢穴到食物源最短途徑。為了進(jìn)一步研究，生物學(xué)家就在螞蟻尋找食物途徑上，設(shè)立某些障礙物來影響螞蟻尋找途徑，通過一段時間搜尋，最后螞蟻還是找到了從巢穴到食物源最短途徑。通過各種實驗，生物學(xué)家進(jìn)一步研究表白，螞蟻在尋找食物摸索過程中，會在所通過途徑上釋放一種揮發(fā)化學(xué)物質(zhì)，這種特殊物質(zhì)被稱之為信息素(Pheromone)。信息素可以沉積在途徑上，并隨著時間逐漸揮發(fā)。當(dāng)螞蟻選取途徑時候，它們傾向于沿著信息素氣味較濃途徑上邁進(jìn)。因而信息素可以引導(dǎo)螞蟻來更快，更有也許找到離巢穴近來食物。實驗成果表白，正是這種特殊物質(zhì)，可以使螞蟻找到從巢穴通向食物最短途徑。也可以說，當(dāng)螞蟻巢穴和食物之間存在較多途徑時，整個蟻群可以通過搜索各個個體螞蟻留下信息素痕跡來找到來回于蟻穴和食物之間最短途徑。1.2.2蟻群算法歷史和科學(xué)意義蟻群算法（antcolonyalgorithm）是由意大利學(xué)者M(jìn).Dorigo等在20世紀(jì)90年代初期研究螞蟻尋找從巢穴到食物源途徑時，從生物進(jìn)化機(jī)制中受到啟發(fā)，提出了一種新型模仿進(jìn)化算法。該算法具備穩(wěn)健性（魯棒性）、正反饋性和分布式計算等長處，在求解復(fù)雜組合優(yōu)化問題上有更強(qiáng)優(yōu)勢，在分派問題、Job-shop調(diào)度等問題上，均有了較好實驗成果。在求解計算機(jī)算法中典型“旅行商問題(TravelingSalesmanProblem.TSP)”時，眾多研究學(xué)者依照算法基本原理，在算法中設(shè)計出了虛擬“螞蟻”來搜索不同路線，尚有虛擬“信息素”，它會隨著時間逐漸消失。當(dāng)每只螞蟻每次隨機(jī)選取要走途徑，它們會盡量傾向于選取途徑較短、信心素濃度較高途徑，依照“信息量較濃路線更近”原則，即可選取出最佳途徑。由于該算法運(yùn)用了正反饋機(jī)制，使得較短途徑可以有較大機(jī)會得到選取，并且采用了概率算法，來選取下一步要走途徑，因此它可以不局限于局部最優(yōu)解。雖然對蟻群算法研究時間并不長，遠(yuǎn)不如像遺傳算法，模仿退火等算法那樣形成系統(tǒng)分析辦法和堅實數(shù)學(xué)基本和理論基本，但是它提出，可覺得解決某些復(fù)雜系統(tǒng)優(yōu)化問題提供了一種新，更好求解算法，特別是在求解離散型組合優(yōu)化問題上，蟻群算法體現(xiàn)出了其她進(jìn)化算法無法比擬優(yōu)越性。蟻群算法不但具備魯棒性、分布式計算、正反饋性、易于和其她智能算法相結(jié)合特點(diǎn)，并且還可以智能搜索、全局優(yōu)化等優(yōu)勢。該算法已經(jīng)引起了眾多專家和學(xué)者注意，當(dāng)前正被越來越多研究者關(guān)注和探討，算法理論得到不斷完善，應(yīng)用范疇也普及到許多科學(xué)技術(shù)及工程領(lǐng)域，是一種有良好發(fā)展前景模仿進(jìn)化算法。1.3移動Agent技術(shù)1.3.1移動Agent簡介20世紀(jì)90年代初，由GeneralMagic公司在推出系統(tǒng)TeleScript時提出了移動Agetn概念。移動Agent是一種能在異構(gòu)網(wǎng)絡(luò)中，自主從一臺主機(jī)遷移到另一臺主機(jī)，并可與其她Agent或主機(jī)上資源交互實體，事實上它是分布式計算機(jī)技術(shù)與Agen技術(shù)互相結(jié)合產(chǎn)物。老式服務(wù)器和RPC客戶之間交互需要持續(xù)通信，但是移動Agent可以遷移到目的服務(wù)器上，與之本地進(jìn)行高速通信，這種本地通信節(jié)約了網(wǎng)絡(luò)資源。移動Agent遷移內(nèi)容涉及其代碼和運(yùn)營狀態(tài)。運(yùn)營狀態(tài)可分為數(shù)據(jù)和執(zhí)行這兩種狀態(tài)：數(shù)據(jù)狀態(tài)是指與移動Agent運(yùn)營狀況有關(guān)數(shù)據(jù)堆內(nèi)容；執(zhí)行狀態(tài)是指移動Agent當(dāng)前運(yùn)營時狀態(tài)和狀況。如運(yùn)營棧內(nèi)容、程序計數(shù)器等。移動Agent與遠(yuǎn)程執(zhí)行不同，移動Agent可以可以不斷從一種網(wǎng)絡(luò)主機(jī)遷移到另一種主機(jī)，可以依照自己需要自主進(jìn)行移動。移動Agent也不同進(jìn)程遷移，普通來說，進(jìn)程遷移系統(tǒng)不容許進(jìn)程遷移到哪里和選取什么時候，而移動Agent可以帶有狀態(tài)，因此，移動Agent可以依照應(yīng)用需要隨時可以移動到它想去地方。移動Agent與Applet存在差別，Applet只能從服務(wù)器向客戶端單方向移動，然而移動Agent卻可以在服務(wù)器和客戶之間進(jìn)行自由雙向移動。移動Agent尚有諸多長處，移動Agent技術(shù)通過將服務(wù)祈求Agent狀態(tài)遷移到目的服務(wù)器端執(zhí)行，因此Agent可以較少通過網(wǎng)絡(luò)傳播這一中間環(huán)節(jié)，而直接面對要訪問服務(wù)器資源，從而有效避免了大量數(shù)據(jù)網(wǎng)絡(luò)傳播，大幅度減少了系統(tǒng)對網(wǎng)絡(luò)帶寬依賴。移動Agent可以不需要統(tǒng)一調(diào)度，通過顧客創(chuàng)立Agent可以異步在不同結(jié)點(diǎn)上工作，等到任務(wù)完畢后再將相應(yīng)成果傳送給顧客。為了完畢某項復(fù)雜任務(wù)，顧客可以創(chuàng)立各種Agent，同步在一種或若干個主機(jī)或服務(wù)器上運(yùn)營，形成并行求解能力。此外，它尚有較好自治性和智能路由等特性。1.3.2Agent歷史意義及應(yīng)用Agent是人工智能領(lǐng)域中一某些。簡樸說，Agent是指模仿人類行為與關(guān)系、具備一定智能，并可以自主運(yùn)營和提供相應(yīng)服務(wù)實體。Agent與當(dāng)前流行軟件實體(如對象、構(gòu)件)相比，粒度較大，自主性強(qiáng)，智能化較高。隨著當(dāng)代網(wǎng)絡(luò)技術(shù)發(fā)展，咱們可以讓Agent在網(wǎng)絡(luò)中移動并執(zhí)行，完畢某些功能，把任務(wù)成果帶回來。這就是移動Agent(MobileAgent)思想。Agent技術(shù)誕生和發(fā)展是人工智能技術(shù)(AI)和網(wǎng)絡(luò)技術(shù)發(fā)展必然成果。隨著人工智能和計算機(jī)技術(shù)發(fā)展以及萬維網(wǎng)(WWW，WorldWideWeb)和互聯(lián)網(wǎng)(Internet)浮現(xiàn)及發(fā)展，集中式系統(tǒng)已經(jīng)不能較好適應(yīng)科學(xué)技術(shù)發(fā)展需要。針對這樣狀況，分布式解決等技術(shù)(涉及分布式人工智能)和并行計算應(yīng)運(yùn)而生，并在過去20近年中飛速發(fā)展。近來，Agent技術(shù)和多Agent系統(tǒng)與人工智能領(lǐng)域有著密切關(guān)系，它們研究成為分布式人工智能研究一種熱點(diǎn)。網(wǎng)絡(luò)化和智能化發(fā)展增進(jìn)了Agent技術(shù)和多Agent系統(tǒng)發(fā)展。Agent技術(shù)在不斷發(fā)展，同步可以應(yīng)用到電子商務(wù)、智能決策、空襲目的模型系統(tǒng)和遠(yuǎn)程教誨等方面，顯示出Agent技術(shù)優(yōu)越性，可以更好為咱們提供便利，具備較好研究和發(fā)展前景。二基本蟻群算法及其應(yīng)用蟻群算法(antcolonyalgorithm)又稱為人工蟻群算法，是受到真實螞蟻行為研究啟發(fā)而提出來，是一種模仿進(jìn)化算法。該算法具備穩(wěn)健性(魯棒性)、正反饋性和分布式計算等長處，在求解復(fù)雜組合優(yōu)化問題上有其優(yōu)勢，該辦法求解二次分派問題、TSP問題和作業(yè)調(diào)度等問題，獲得了較好成果。該算法已經(jīng)顯示出它在求解復(fù)雜優(yōu)化問題，特別是離散優(yōu)化問題方面優(yōu)勢，是一種很有發(fā)展前景智能計算辦法。2.1蟻群算法基本原理20世紀(jì)90年代初期，意大利學(xué)者M(jìn).Dorigo等人從生物進(jìn)化和仿生學(xué)角度出發(fā)，研究螞蟻尋找途徑自然行為，通過大量觀測和研究，提出了蟻群算法[20-22]。為了更好闡明蟻群算法基本原理，針對蟻群搜索食物過程進(jìn)行分析。像蜜蜂、飛蛾、螞蟻等群居昆蟲，盡管單個昆蟲行為很簡樸，但正是由這些簡樸個體所構(gòu)成群體，卻能體現(xiàn)出復(fù)雜行為。螞蟻此類群居昆蟲，盡管沒有視覺，通過一段時間后，卻能找到由蟻穴到食物源最優(yōu)途徑，因素是什么呢？國內(nèi)外仿生學(xué)家通過大量細(xì)致觀測研究后發(fā)現(xiàn)，螞蟻個體之間是通過一種稱之為信息素(pheromone)特殊物質(zhì)進(jìn)行信息傳遞和交流。在搜索較好途徑過程中，螞蟻可以在它所通過途徑上留下該物質(zhì)，并且其她螞蟻在運(yùn)動過程中可以感知這種物質(zhì)，并以此擬定自己運(yùn)動方向。因此，這些大量螞蟻構(gòu)成蟻群集體行為便體現(xiàn)出一種信息正反饋現(xiàn)象：某一條途徑上走過螞蟻越多，日后螞蟻選取該途徑概率就越大。螞蟻個體之間就是通過這種特殊物質(zhì)進(jìn)行信息交流，達(dá)到搜索食物目。本文用比較形象化圖示，來闡明螞蟻群體途徑搜索原理和機(jī)制。下面用M.Dorigo所舉例子來闡明蟻群系統(tǒng)原理。如圖2-1所示，蟻群系統(tǒng)初始狀態(tài)。設(shè)A是螞蟻巢穴，E是食物源，H、C是兩個繞過障礙物節(jié)點(diǎn)。由于障礙物存在，螞蟻只能繞過C或H由E到達(dá)A，或由A到達(dá)E。各節(jié)點(diǎn)之間距離如圖所示。設(shè)每個時間單位，有30只螞蟻由E到達(dá)D點(diǎn)和有30只螞蟻由A到達(dá)B，螞蟻在通過途徑上留下外激素為1。設(shè)外激素停留時間為1。圖2-1蟻群系統(tǒng)初始狀態(tài)圖2-2蟻群系統(tǒng)t=0時刻狀態(tài)如圖2-2所示，蟻群系統(tǒng)在開始時刻狀態(tài)。由于途徑DH，DC，BH,BC信息存在，位于D和B螞蟻可以隨機(jī)選取途徑。從記錄學(xué)角度考慮，可以以為它們以相似概率選取DH，DC，BH,BC。通過一段時間后，途徑BCD和BHD上螞蟻數(shù)目差距越來越大，直至大多數(shù)螞蟻選取較短途徑BCD。圖2-3蟻群系統(tǒng)t=1時刻狀態(tài)如圖2-3所示，蟻群系統(tǒng)在t=1時刻狀態(tài)。此時將有20只螞蟻由D和B到達(dá)C，有10只螞蟻由D和B到達(dá)H。通過一段時間，大量螞蟻將會以越來越大概率選取途徑BCD，最后完全選取途徑BCD，從而找到由蟻巢到食物源最短途徑。由此可見，螞蟻個體之間信息互換是一種正反饋機(jī)制過程。在相似時間和區(qū)域內(nèi)，較短途徑就會有更大機(jī)率被選取。蟻群算法是一種隨機(jī)搜索，智能仿生算法，與其她進(jìn)化算法同樣，通過群體候選解進(jìn)行進(jìn)化，來篩選出全局最優(yōu)解，此過程涉及兩個階段：適應(yīng)階段與協(xié)調(diào)階段。在適應(yīng)階段中，各候選解就會依照積累信息不斷調(diào)節(jié)自身構(gòu)造；在第二階段，候選解之間通過信息素交流，但愿產(chǎn)生性能更好解。蟻群算法作為一種通用型優(yōu)化辦法，與遺傳算法同樣，不需要任何先驗知識，開始只是隨機(jī)選取搜索途徑，通過一段時間對算法解空間“理解”，搜索變得有規(guī)律，并發(fā)揮其正反饋性能，直至最后獲得全局最優(yōu)解。蟻群算法對搜索空間“理解”機(jī)制重要涉及如下幾方面：(1).螞蟻記憶。一只螞蟻搜索過途徑，當(dāng)下次搜索時就不會再被選取，由此可以在蟻群算法中建立tabu(禁忌）列表來存儲已經(jīng)訪問節(jié)點(diǎn)，進(jìn)行模仿。(2).螞蟻運(yùn)用信息素(pheromone)進(jìn)行互相通信。螞蟻在選取途徑上會釋放一種叫做信息素物質(zhì)，當(dāng)它們同伙在進(jìn)行途徑選取時候，會依照留在途徑上信息素進(jìn)行選取，這時信息素就成為螞蟻之間進(jìn)行通信媒介。(3).螞蟻集群活動。一只螞蟻運(yùn)動很難到達(dá)食物源，但是通過整個蟻群進(jìn)行搜索就完全不同。當(dāng)某些途徑上通過螞蟻越來越多時候，在這些途徑上留下信息素也就越來越多，導(dǎo)致信息素強(qiáng)度增大，因此，該途徑被選取概率隨之增大，從而進(jìn)一步增大該途徑信息素強(qiáng)度，而當(dāng)其她某些途徑上通過螞蟻較少時，途徑上信息素就會隨時間推移而蒸發(fā)。因而，模仿這種現(xiàn)象可運(yùn)用群體智能來建立途徑選取機(jī)制，使蟻群算法搜索朝向最優(yōu)解進(jìn)化。蟻群算法所運(yùn)用搜索機(jī)制呈現(xiàn)出一種正反饋或自催化特性，可將蟻群算法模型理解成增強(qiáng)型學(xué)習(xí)系統(tǒng)。環(huán)節(jié)１：nc←0；(nc為迭代步數(shù))對各和進(jìn)行初始化；將m只螞蟻隨機(jī)置于n個頂點(diǎn)上；環(huán)節(jié)２：將各個螞蟻初始節(jié)點(diǎn)置于當(dāng)前解集中；對每只螞蟻k(k=1,2,.....m)，按概率轉(zhuǎn)移至下一種頂點(diǎn)j；將頂點(diǎn)j置于當(dāng)前解集；環(huán)節(jié)３：計算各螞蟻目的函數(shù)(k1,2,......m)k=；記錄當(dāng)前最佳全局最優(yōu)解；環(huán)節(jié)４：按相應(yīng)更新方程修改軌跡上信息素強(qiáng)度；環(huán)節(jié)５：對各邊(i,j)，置，nc←nc+1；環(huán)節(jié)６：若nc不大于預(yù)定迭代次數(shù)，并且沒有退化行為(即找到都是相似解)則轉(zhuǎn)到環(huán)節(jié)２；環(huán)節(jié)７：輸出當(dāng)前最佳解。2.3蟻群算法研究現(xiàn)狀2.3.1蟻群算法長處蟻群算法重要長處概括如下。(1).蟻群算法是一種結(jié)合了貪婪搜索算法、正反饋機(jī)制和分布式計算，具備較好搜索較優(yōu)解能力。貪婪式搜索有助于在搜索過程中初期找出可接受解決方案，縮短了搜索時間，正反饋可以迅速發(fā)現(xiàn)較優(yōu)解，分布式計算避免了早熟收斂。(2).蟻群算法具備很強(qiáng)并行性和魯棒性，對基本蟻群算法模型稍加修改，便可應(yīng)用于其她問題。如車輛途徑問題、多任務(wù)目的分派、數(shù)據(jù)挖掘等問題。(3).可以不通過個體之間直接通信，而是有效通過信息素進(jìn)行合伙，這樣系統(tǒng)具備較好擴(kuò)充性。由此，隨著系統(tǒng)中個體增長，系統(tǒng)開銷將非常小。(4).易于與其她算法結(jié)合，蟻群算法很容易與人工免疫算法、遺傳算法等算法結(jié)合，以改進(jìn)算法性能。2.3.2蟻群算法幾種缺陷盡管蟻群算法具備很強(qiáng)全局尋優(yōu)能力，在諸多領(lǐng)域中得到了廣泛應(yīng)用，但也存在某些缺陷。(1).普通狀況下，該算法需要較長搜索時間。蟻群中各個個體運(yùn)動是隨機(jī)，盡管通過信息素互換可以朝向最優(yōu)途徑方向進(jìn)化，但是當(dāng)群體規(guī)模較大時，很難在較短時間內(nèi)，從大量雜亂無章途徑中，找出一條較好途徑。這是由于在進(jìn)化初級階段，各條途徑上信息素差別小。通過信息正反饋機(jī)制，使得較好途徑上信息量逐漸增大，通過較長一段時間，才使那些較好途徑上信息量明顯高于其她途徑上信息量，隨著這一過程進(jìn)行，差別越來越明顯，從而最后收斂于比較好途徑。(2).該算法容易浮現(xiàn)停滯現(xiàn)象(stagnationbehavior)，即搜索進(jìn)行到一定限度后，所有個體發(fā)現(xiàn)解完全一致，不能對解空間進(jìn)一步進(jìn)行搜索，不利于發(fā)現(xiàn)更好解。對于這些問題，已經(jīng)引起了許多研究學(xué)者注意，并提出了諸多改進(jìn)算法，例如，智能蟻群算法[39-40]，基于多樣信息素蟻群算法等幾種典型改進(jìn)算法。2.4蟻群算法應(yīng)用隨著眾多研究學(xué)者對蟻群算法原理探討以及對該算法改進(jìn)，蟻群算法應(yīng)用也不斷進(jìn)一步到其她新領(lǐng)域中。(1).車輛調(diào)度車輛調(diào)度問題是一類復(fù)雜組合優(yōu)化問題，是近年來物流控制優(yōu)化中一種研究熱點(diǎn)。該問題可描述為：現(xiàn)已知客戶位置坐標(biāo)和貨品需求量，一種車隊(有各種車輛)從一種配送中心出發(fā)，每個需求點(diǎn)只被一輛車訪問，且該車所訪問需求點(diǎn)總需求量不能超過該車輛負(fù)載能力，應(yīng)如何安排車輛行走路線使得總路線最短。規(guī)定每輛車運(yùn)送完畢后回到出發(fā)點(diǎn)(供應(yīng)點(diǎn))。當(dāng)前，除了某些典型智能算法以外，采用TSP風(fēng)格蟻群算法同樣可以求解VRP，求解時可以將車輛模仿成螞蟻。當(dāng)前，國內(nèi)外諸多得研究學(xué)者，在蟻群算法求解VRP方面研究也取了不少成果，但是模仿效果跟現(xiàn)實生活中VRP問題解決尚有一定差距。因此，為了更好解決該問題，對蟻群算法研究尚有待于進(jìn)一步進(jìn)一步。(2).網(wǎng)絡(luò)路由—通信問題蟻群算法M.Dorigo于1992年提出一種組合優(yōu)化辦法，被廣泛應(yīng)用于求解組合優(yōu)化問題，特別是NP-完全問題。蟻群算法已在通信網(wǎng)絡(luò)方面中得到了較好應(yīng)用和發(fā)展。11隨著網(wǎng)絡(luò)技術(shù)發(fā)展和多媒體業(yè)務(wù)興起，對網(wǎng)絡(luò)服務(wù)