论文部分内容阅读
蚁群算法是一种求解复杂组合优化问题的启发式算法。作为一种全局搜索的方法，蚁群算法具有分布性、正反锁性、鲁棒性以及善于与多种启发式算法结合的优点。虽然传统的蚁群算法具有很强的全局寻优能力，但也存在着搜索时间过长，在执行过程中会出现停滞现象、在问题规模较大时会陷入局部最优等缺陷。
针对以上缺陷，本文借鉴了免疫系统中的免疫记忆和优势肽选择继承的思想，提出了基于优势肽和免疫记忆的混合蚁群算法。该算法在原有蚁群模型的基础上增加了一个免疫记忆库，将记忆库中的解对应免疫抗体，将问题对应为抗原，运用免疫算子和优势肽选择算法进行新解的构造和记忆库的更新。将提出的算法应用于多个TSP实例，实验结果表明，基于优势肽和免疫记忆的混合蚁群算法在解的质量上明显优于基本蚁群算法和免疫算法，在收敛速度和多样性方面优于部分改进的蚁群算法。
本文还将蚁群算法的应用领域扩展到网络环境中去，研究移动agent的路由规划问题，即TAP问题。通过比较TSP问题与TAP问题的相似性和差异性，针对传统的分布式环境和网络环境中移动agent的运行特性，对传统蚁群算法做了相应的改进，仿真结果表明，改进后的蚁群算法对解决这类问题具有很好的效果。