第１８卷第８期。２００８年８月

计算机技术与发展

００ＭＰＩｒｒＥＲＴ曰丑｛ＮｏＬＣＫ；ＹＡＮＤ

ｖ０１．１８

Ａｕｇ．

Ｎｏ．８

ＤＥＶＥ∞ＰＭｆＥＮＴ

２００８

群体智能优化算法

王艳玲，李龙澍，胡

哲

（安徽大学计算机科学与技术学院，安徽合肥２３００３９）

摘要：群体智能优化算法利用群体的优势，在没有集中控制并且不提供全局模型的前提下。为寻找复杂的分布式问题的解决方案提供了基础。介绍了两种群体智能算法模型：蚁群算法模型和粒子群算法模型，研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法；通过仿真把蚁群算法与其他启发式算法的计算结果作对比，验证了蚁群算法具有很强的发现较好解的能力，不容易陷入局部最优；微粒群算法保留了基于种群的、并行的全局搜索策略，采用简单的速度一位移模型操作，在实际应用中取得了较高的成功率。关键词：群体智能；蚁群算法；粒子群算法；启发式算法中图分类号：ＴＰｌ８

文献标识码：Ａ

文章编号：１６７３—６２９ｘ（２００８）０８—０１１４一０４

Ｓｗａ珊Ｉｎｔｅｌｌｉｇｅｎｃｅ

ＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍ

ＷＡＮＧＹａｎ－ｌｉｎｇ，ＬＩＬｏｎｇ—ｓｈｕ，ＨＵＺｈｅ

（Ｓｃｈ００ｌｏｆＣ咖ｐｕｔｅｒｓｃｉ肌ｃｅａＩｌｄＴｅｃｈ．，ＡｎｈｕｉＵｍｖ．，Ｈｅｆｅｉ２３００３９，Ｃｈｉｍ）

Ａｂｓｔｒｗｔ：Ｂｙｔｈｅｕ畿ｏｆｇｒｏｕｐｓ’ａｄＷｍｔａｇｅｓ，ｉ１１ｔｈｅａｌ砖ｅｎｃｅｏｆｏ饥廿ａｌｉｚｅｄ∞ｎｔｍ＿ｌａｎｄ、而ｔ｝玎ｕｔｐｒｏ“ｄｉｎｇｔｈｅｏｖ日址ｌｍｏｄｄｉｍｅｌｌｉｇ饥ｏｅ

０１）ｔｈ咖ｄｌｇｏ—ｔｈｍ

ｐ州ｄｅｓｔｈｅｆ伽ｎｄａｔｉｏｎ

ｏｎ

ｆ．ｍｄｉｎｇ咖ｌｐｌｅｘｄｌｓｔｒｉｂｕｔｅｄ８０Ｉｕｔｉ叽ｓ

ｔ０

ｓ．ｔ憾ｔ抽，舒矾哪

ｔｈｅｐｆ℃糊ｅｍ．ＩｎｌＨ）ｄ峨ｔｈｅｔｗ：０鄂阳ｍ

ｍｅｃｈ缸Ｉｉｓｍ，ｔｈｅ

讯ｔｅｌｌｉ静ｍｃｅａｌｇｏ—ｔ｝ｍ１ｎ幻ｄｅｌｓ：ａｎｔｃｏＩａｎｙａｌｇｏ—ｔｈｍｎ，０ｄｅｌａｆｌｄｂ鹊ｉｃ枷ｏｄｅｌ，ｐｍｃｅ骚ｒｅａｌｉｚａｔ；ｏｎａｎｄｏｔｈｅｒｈｅ—ｓｔ．ｃ

ｎｏｔ

ｔ｝埒ｐａｒｔｉｃｋ鄂帕肿ａｌｇｏ—ｔｈｍｍ）ｄｅｌ，ｒｅｓｅａｒｃｈ娼∞ｐｄｒｌｃｉｐｌｅ

ｔｈｅ肌ｔ。ｏｂｎｙａＩｇ舐ｔｈｍｈ觞ａ

ｉｍｐＩ℃利ｉｄｅ鲢ａｒｌｄｎ℃ｔｈｏｄｓ；ａｎｄｂｙ

ｔｈａｔ

ｏｆｌ

ｃｏｍｐｄｆｌｇｔｈｅｄｃｕｌａｔｉｏｒＩｒｅｓｕｌｔｓ０ｆｔｈｅ趴ｔ∞Ｉａｎｙａｌｇ。＾ｔｈｒｎａｒｄ

ｓｔｒｏｎｇ

ａｌｇ嘶ｔ｝１ｒ１１ｔｈｆｏｕｇｈｔｈｅ妇ｎｕｌａｔｉｏｎ，ｐｒａｖｅｄ

ｌｏｃａｌ

ａｂｉｌ时ｔ０ｆｉｎｄｂｅｔｔ盯ｓ。Ｉｕｔｉｏｎｓ，ａｎｄ醅

ｔｈｅｐｏｐｔ】ｌａｔ；ｏｎｏｆｒｅ鸵ｒｖａｔｉｏｎｓ，ｐａｒａｌｌｅｌｇｌｏｂａｌ簧ａｒｃｈｓ咖镪ｒ，ｕｓ．ｎｇｏｐｔｉｍ啪．Ｔｈｅａｌｇｏｒｉｔ｝ｍｌｗｈｉｃｈｂａｓｅｄ

Ｓｐｅｅｄ—ｄｉｓｐｌａｃｅｍ眦ｍ。ｄｅｌｏｌ删；ｏｒＩ，ｈ笛ｂｅｅｎｍａｄｅｉｎｈｉｇｈｅｒｓｕｃｃｅ鼹ｒａｔｅ．ｎｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔ两．ｅａ巧ｆｏｒ

ａ

ａ

ｓ．蛐叫ｙ

１（ｅｙ

ｗｏｒｄｓ：甜叼肌ｉｒｌｔｅｌｌ遮ｅｎｃｅ；ａｎｔ∞ｌ。ｎｙｏｐｔｉｍｉｚａｔｉ∞ａｌｇｏｒｉｔｈｒｎ；ｐａｒｔｉｃｌｅ鄹％皿ｏｐｔｉｍｉｚａｔｉｏｎ．ｈｅｕｒｉｓｔｉｃａｌｇ。＾ｔｈｒｎ

Ｏ引言

法（ＰａｎｉｃｌｅＳ啪册ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）【３Ｊ。前者是对蚂蚁群落食物采集过程的模拟，已经成功运用在很多离散优化问题上；后者是源于对鸟群捕食行为的研究，算法简单容易实现并且没有许多参数需要调整，目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。

受社会性昆虫行为的启发，计算机工作者通过对社会性昆虫的模拟产生了一系列对于传统问题的新的解决方法，这些研究就是群体智能的研究。群体智能中的群体指的是“一组相互之间可以进行直接通信或者间接通信（通过改变局部环境）的主体，这组主体能够合作进行分布问题求解”。而所谓群体智能指的是“无智能的主体通过合作表现出智能行为的特性”。群体智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础。

在计算智能领域有两种基于群体智能的算法：蚁群算法（Ａｎｔ

Ｃ０ｌｏｎｙ

１蚁群优化算法

１．１蚁群算法原理

受蚂蚁觅食时的通信机制的启发，２０世纪９０年代１）０＾ｇｏ提出了蚁群算法来解决经典的“旅行商问题”。蚁群算法设计虚拟的“蚂蚁”将摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”。虚拟的“信息素”也会挥发，每只蚂蚁每次随机选择要走的路径，

Ｏｐｔｉｍｉｚａｔｉｏｎ，』崛Ｏ）【１，２Ｊ和粒子群算

收稿日期：２００７—１１—２７

基金项目：国家自然科学基金资助项目（６０２７３０４３）；安徽省自然科学基金资助项目（０５０４２０２０４）

作者简介：王艳玲（１９８ｌ一），女，安徽毫州人，硕士研究生，研究方向为智能软件；李龙澍，教授，博士生导师，研究方向为智能软件。

它们倾向于选择路径比较短的、信息素比较浓的路径。根据“信息素较浓的路线更近”的原则，即可选择出最佳路线。由于这个算法利用了正反馈机制，使得较短的路径能够有较大的机会得到选择，并且由于采用了

万方数据