肖厚國(guó)

（大連理工大學(xué)城市學(xué)院，遼寧大連 116000）

隨著科技的發(fā)展，推動(dòng)了優(yōu)化理論的進(jìn)步，使其被廣泛地應(yīng)用于航空航天、自動(dòng)化等各個(gè)領(lǐng)域，同時(shí)伴隨著“互聯(lián)網(wǎng)+”技術(shù)的普及應(yīng)用，優(yōu)化理論呈現(xiàn)出更深、更快的發(fā)展趨勢(shì)，為解決優(yōu)化算法提供了契機(jī)。為此該文通過(guò)對(duì)蟻群算法的基本原理以及應(yīng)用現(xiàn)狀進(jìn)行研究，以期為蟻群算法的深入研究奠定基礎(chǔ)。

1 蟻群算法的基本原理

蟻群算法主要通過(guò)選擇、更新、協(xié)調(diào)機(jī)制來(lái)進(jìn)行路徑規(guī)劃，其算法基本思想是通過(guò)模擬螞蟻在尋找食物過(guò)程中采用的正反饋原理尋找最短路徑，螞蟻在經(jīng)過(guò)的路徑上釋放易揮發(fā)性物質(zhì)信息素(pheromone)，并通過(guò)信息素進(jìn)行相互通信。蟻群算法可分為三步：首先找出初始路徑；其次對(duì)路徑剪枝，去掉與實(shí)際條件不相關(guān)屬性；最后更新信息素濃度，為后續(xù)螞蟻選擇路徑提供參考依據(jù)。

1.1 初始環(huán)境

設(shè)A點(diǎn)為螞蟻初始行駛的位置，D點(diǎn)為螞蟻?zhàn)罱K到達(dá)的目的地，ABD和ACD分別為兩條截然不同路徑，其中 ABD=2，ACD=4，ACD=2ABD，初始螞蟻數(shù)量為40只。

1.2 約束條件

該文在進(jìn)行論述蟻群算法對(duì)以下信息進(jìn)行約束。

（1）兩條路徑的信息濃度為0。

（2）在行駛的過(guò)程中始終保持速度不變。

（3）到達(dá)點(diǎn)D立即返回。

1.3 螞蟻聚集密度的變化現(xiàn)象

（1）當(dāng) t=0 時(shí)。

A點(diǎn)共有40只螞蟻，沿ABD路徑的螞蟻數(shù)量為20只，記作N1，沿ACD路徑螞蟻的數(shù)量為20只，記作N2。

（2）當(dāng) t=2 時(shí)。

因ACD和ABD路徑的長(zhǎng)度不同，當(dāng)t=2時(shí)，N1已到終點(diǎn)，而N2剛到達(dá)C點(diǎn)。為簡(jiǎn)化計(jì)算，設(shè)N1、N2到達(dá)后立即按原有路程折回，此時(shí)DBA上的螞蟻信息濃度由0變成20，而N2還未到達(dá)終點(diǎn)D，故DCA上螞蟻的信息濃度為0。

（3）當(dāng) t=4 時(shí)。

當(dāng)t=4時(shí)，N1回到初始位置，N2剛好到達(dá)終點(diǎn)D，因N1已在ABD路徑上留下兩次“痕跡”，而N2在ACD留下一次“痕跡”，所以ABD上的信息度是ACD上的兩倍，因此當(dāng)螞蟻再次尋找食物時(shí)，會(huì)根據(jù)路徑上信息度的不同而選擇路徑。隨著越來(lái)越多的螞蟻選擇ABD，從而導(dǎo)致ABD的信息度要逐漸大于ACD上的信息度，致使ABD和ACD上信息度的差異越來(lái)越大，最終導(dǎo)致螞蟻逐漸趨向于選擇路徑ABD，而非路徑ACD。

1.4 蟻群算法的論述

通過(guò)查閱國(guó)內(nèi)外研究現(xiàn)狀，蟻群算法應(yīng)用于路徑規(guī)劃，其算法步驟如下。

步驟1：設(shè)初始信息素分布iij=i0，螞蟻初始數(shù)量為m0，最大迭代次數(shù)為Tmax，螞蟻記數(shù)器m=0，迭代計(jì)數(shù)器t=0。

步驟2：螞蟻k放置到ɡbegin的位置，并添加至禁忌表tabuk中。

步驟3：在當(dāng)前可行域Z中選擇預(yù)計(jì)運(yùn)動(dòng)的節(jié)點(diǎn)，分為兩種情況。

情況1：若|Z|＝0，則所有節(jié)點(diǎn)都走過(guò)，即無(wú)路可走，跳轉(zhuǎn)至步驟8。

情況2：若|Z|＞0，根據(jù)轉(zhuǎn)移概率，并用輪盤賭的方式選擇下一步要前往的節(jié)點(diǎn)j，并將節(jié)點(diǎn)j加入禁忌表tabuk中。

其中公式（2）中，D為啟發(fā)信息項(xiàng)，一般設(shè)為常數(shù)1；

步驟4：螞蟻運(yùn)動(dòng)至節(jié)點(diǎn)J后，判斷是否到達(dá)目標(biāo)位置；

情況1：若節(jié)點(diǎn)J不是目標(biāo)節(jié)點(diǎn)，跳轉(zhuǎn)到步驟3；

情況2：若節(jié)點(diǎn)J是目標(biāo)節(jié)點(diǎn)，螞蟻K到達(dá)目標(biāo)位置，跳轉(zhuǎn)至步驟5；

步驟5：該次迭代是否介紹，若不是m=m+1，跳轉(zhuǎn)到步驟2，若是，則m=，并且按照公式（4）對(duì)信息素進(jìn)行及時(shí)更新，公式（4）如下所示：

i（t+1）=（1-ρ）i（t）+Δjkij（公式 4）

步驟 8：若 t＜Tmax，則清空 tabuk，迭代次數(shù) t=t+1，并且跳轉(zhuǎn)到步驟2，否則規(guī)劃結(jié)束。

2 蟻群算法的應(yīng)用現(xiàn)狀

通過(guò)查詢現(xiàn)有的研究成果，現(xiàn)階段蟻群算法主要根據(jù)選擇、更新、協(xié)調(diào)三種模式進(jìn)行路徑的部署優(yōu)化。在選擇層面，由于供給的信息量多，所以提供選擇的概率就越大；在更新方面，由于螞蟻多次在路徑上留下“痕跡”，信息濃度就會(huì)隨著“痕跡”的增多而增大，從而選擇“痕跡”路徑上多的螞蟻數(shù)量就越來(lái)越多；在協(xié)調(diào)層面，由于信息素是螞蟻間有效的“通訊”方式，它們通過(guò)“通訊”方式有效地進(jìn)行傳遞信息，這在一定程度上確保了路徑規(guī)劃選擇蟻群算法的可靠性。即使如此，蟻群算法也難免會(huì)存在一定的瑕疵，如在收斂速度、局部?jī)?yōu)化以及停滯等均存在一定的問(wèn)題。

3 蟻群算法的展望

隨著信息技術(shù)的發(fā)展以及人工智能的涌現(xiàn)，研究學(xué)者針對(duì)蟻群算法存在的問(wèn)題進(jìn)行也進(jìn)行了較大的優(yōu)化，但依然存在一定的問(wèn)題，仍需要繼續(xù)攻破。

（1）螞蟻數(shù)目的確定問(wèn)題。周邊環(huán)境的狀況與螞蟻的數(shù)量存在一定的關(guān)聯(lián)關(guān)系，而螞蟻數(shù)目的多少在一定程度上回饋蟻群算法搜索的快慢。因此，有必要針對(duì)環(huán)境的不同狀況確定螞蟻的數(shù)目進(jìn)行研究，從而進(jìn)一步確定環(huán)境因素與螞蟻數(shù)目的選取問(wèn)題。

（2）收斂速度慢和局部最優(yōu)解問(wèn)題。由于收斂速度與局部最優(yōu)間相輔相成，雖然研究學(xué)者針對(duì)上述問(wèn)題進(jìn)行不同程度的探討，且提出較多的優(yōu)化方案，由于其他算法在環(huán)境、外界因素等方面有苛刻的要求，從而導(dǎo)致在收斂速度和局部最優(yōu)方面往往顧己失彼。因此有必要進(jìn)行探討如何有效的顧及收斂和局部最優(yōu)的情形。

（3）參數(shù)值的設(shè)定。通過(guò)查詢現(xiàn)有的研究成果可知：在現(xiàn)階段，針對(duì)參數(shù)的設(shè)定方面并沒(méi)有明確計(jì)算公式，而是通過(guò)實(shí)驗(yàn)進(jìn)行確定參數(shù)值，因此，在參數(shù)值設(shè)定方面有必要研發(fā)出計(jì)算公式或程序進(jìn)行界定。

（4）隨著自動(dòng)化程度越來(lái)越高，移動(dòng)機(jī)器人逐步趨向于市場(chǎng)化，而移動(dòng)機(jī)器對(duì)路徑規(guī)劃的要求越來(lái)越高，因此有必要針對(duì)影響蟻群算法精準(zhǔn)度的其他因子進(jìn)行研究，從而提供路徑規(guī)劃的精準(zhǔn)性。

4 結(jié)語(yǔ)

因蟻群算法具備搜索能力、正反饋、魯棒性等特點(diǎn)，而且、能夠友好的融合其他算法，因此蟻群算法普遍在應(yīng)用于路徑規(guī)劃中，該文針對(duì)蟻群算法在路徑規(guī)劃中的應(yīng)用進(jìn)行研究，以期為蟻群算法的深入研究奠定一定的基礎(chǔ)。