论文部分内容阅读
蚁群算法是一种最新发展的模拟昆虫王国中蚂蚁群体觅食行为的仿生优化算法，该算法采用了正反馈并行自催化机制，具有较强的鲁棒性，优良的分布式计算机制，易于与其他方法结合等优点，在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力，近几年吸引了国内外许多学者对其进行了多方面的研究工作。
本文中，首先阐述了几种真实蚁群的觅食行为，介绍了蚁群算法的思想起源，随后，以组合优化问题（TSP）问题入手，对传统蚁群算法进行了概括的介绍，并对现有的改进算法进行了叙述，针对目前蚁群算法中所存在的问题，结合遗传算法的编码方式对传统蚁群算法进行了适当的改进，引入了随机二元链式结构，提出了二进制蚁群算法，给出了二进制蚁群算法的算法模型，并对其收敛性进行了论证。随后又对新的改进算法在几个领域中进行了应用。
首先是在函数优化中，加入了并行化策略，对几个典型的多峰函数进行优化，实验结果显示，算法性能较好。
随后，又在数据挖掘中进行了新算法的应用，首先对传统的Ant-Miner进行了简要的介绍，随后，针对传统的Ant-Miner的缺陷，将二进制蚁群算法引入到Ant-Miner中，并且加入新的算子－变异算子同灾变算子，同时也引入了新的有效值的计算公式。对两个数据集进行了测试，实验结果证明，算法性能较之Ant-Miner有所提高。
接着，又在神经网络中加入了二进制蚁群算法，提出了一个新的二层模型，对传统的BP算法进行了改进，并且引入了拥堵策略。对两个函数进行了逼近，实验证明，同传统的BP算法相比，新的算法的精度得到了一定的提高。
最后，给出了一些研究中发现的问题，也是我们准备进一步深入研究的方向。