一种基于正交离散过程的蚁群算法毕业论文.docx

1、一种基于正交离散过程的蚁群算法毕业论文郑州航空工业管理学院毕 业 论 文（设 计） XXXXXXXXX 届 机械设计制造及其自动化 专业 班级题 目 基于正交离散过程的蚁群算法 姓 名 XXXXXXXXXX 学 指导教师 XXX 职称 XX 二一 年 五 月 十八 日基于正交离散过程的蚁群算法内 容 摘 要 蚁群算法是一种仿生优化算法，其灵感来源于真实蚁群的觅食机理，这种思想吸收了蚂蚁群体有规律的行为，通过对真实蚁群搜索食物过程的模拟来完成对问题的求解。 本文首先介绍了蚁群算法的研究进展和基本原理，然后对蚁群算法的改进优化和仿真应用分别进行了描述。为了解决蚁群算法在初始阶段执行效率低下、信息素

2、随机分布、路径杂乱无章的缺点，本文采取了几项改进措施。例如：将正交设计方法引入初始化中，创建正交离散过程，形成正交优化的路径设置；优化初始化过程，以便形成初始解；以动态概率转移规则来构造新的路径；精练的选路策略等改进措施的初始路径优化模型。该模型提高了算法的执行效率，其成功应用于解决连续域问题的啤酒配方设计方面，表明该方法是有效可行的，同时开辟了一条解决啤酒配方设计问题的新途径，对蚁群算法解决连续域问题提供了可供参考的模型和求解方法。 关键词蚁群算法；正交设计；正交离散；连续优化；啤酒配方设计 Ant Colony Algorithm based on orthogonal discrete

3、process (Mechanical and electrical engineering institute, Aviation industry management college in zheng zhou )Abstract The ant colony algorithm is a novel simulated evolutionary algorithm, which is inspired by foraging mechanisms of real ant colonies. This idea absorbs the regular behaviors of the a

4、nts colonies, by simulating the process of the real ant colonys searching for food to solve the problems.The current research progresses and basic principle of ant colony algorithm are firstly introduced in this paper, then the improvement optimization and simulation application of ant colony algori

5、thm are also overviewed respectively. In order to solve the problems of low efficiency, randomly distributed pheromone, scrambled paths in the initial stage of the ant colony algorithm. Several improved methods of the initial paths optimization model are proposed. For example, the orthogonal design

6、method is introduced to the initial route optimization course so as to create orthogonal discrete process and form the path settings of orthogonal optimization; The initial course is optimized in order to get the initial solutions; Dynamical transfer rules are used to construct the new paths; Refine

7、d routing strategies and so on. This model enhances the implementation efficiency of the algorithm. And then the beer recipe design simulation application is successfully presented to prove validity and feasibility of the proposed method, consequently, opening up a new way in terms of beer recipe de

8、sign, and the method offers referenced models and solving methods for ant colony algorithm to solve the continual domain problems. Key wordsAnt Colony Algorithm; orthogonal design; orthogonal discretion; continuous optimization; beer recipe design 目 录内容摘要. 1Abstract. 2第一章 绪论 61.1 研究背景 61.2 国内外对蚁群算法的

9、研究进展 71.3 本文的研究主线及体系结构 7第二章 蚁群算法 92.1 蚁群算法的基本原理及其数学模型 92.1.1 真实蚁群的觅食机理 92.1.2 基本蚁群算法数学模型的建立 112.1.3 基本蚁群算法的系统学特征 132.2 基本蚁群算法的具体实现 142.2.1 基本蚁群算法的实现步骤 142.2.2 基本蚁群算法的程序结构流程图 15第三章 基于正交离散过程的蚁群算法 173.1 正交试验设计 173.1.1 正交试验设计的基本概念 173.1.2 正交试验设计的基本原理 173.1.3 正交表及其基本性质 193.2 基于正交离散过程的蚁群算法 203.2.1 正交离散过程蚁

10、群算法的基本原理 203.2.2 正交离散过程蚁群算法的寻优过程 233.2.3 正交离散过程蚁群算法的数学模型 263.3 正交离散过程蚁群算法的具体实现 273.3.1 正交离散过程蚁群算法的实现步骤 273.3.2 正交离散过程蚁群算法的程序结构流程图 273.4 正交离散过程蚁群算法的仿真应用 29第四章 本文的工作总结与展望 344.1 本文的工作总结 344.2 展望 34致 谢 35参考文献 36 第一章 绪论1.1 研究背景根据蚂蚁群体寻找食物的行为，1991年，意大利学者Dorigo M.等人在法国巴黎召开的第一届欧洲人工生命会议上提出了基本蚁群算法的基本模型；1992年，D

11、origo M在其博士论文中又进一步描述了蚁群算法的基本原理。蚁群算法是最新发展起来的一种模拟蚂蚁群体智能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，在解决许多实际复杂优化问题方面展现出了良好性能和巨大的发展潜力，近几年吸引了国内外许多学者对蚁群算法进行了多方面的研究工作。国际顶级学术期刊Nature曾多次对蚁群算法的研究成果进行报道，IEEE Transactions On Evolutionary Computation和Future Generation Computer Systems分别在2001年和2003年出版了蚁群算法特刊，在布鲁塞尔每两年召开一次的蚁群算法国际研讨会

12、进一步促进了该仿生优化算法的学术交流，从而使蚁群算法展示出了勃勃生机和广阔的发展前景。目前，这种新生的仿生优化算法已成为在国际智能计算领域中备受关注的前沿性课题和研究热点。1.2 国内外对蚁群算法的研究进展自从1991年意大利学者DorigoM.首次提出蚁群算法以后，蚁群算法逐渐得到了世界许多研究者的关注，其在很多领域得到了很好的应用，在这期间国内外大量有价值的研究成果也陆续发表。2000年，Dorigo M和Bonabeau E等在国际顶级学术刊物Nature上发表了蚁群算法的研究综述，从而把这一领域的研究推向了国际学术最前沿性的课题，鉴于Dorigo M在蚁群算法研究领域做出的的杰出贡献，

13、2003年11月欧盟委员会特别授予他“居里夫人杰出成就奖”。我国在蚁群算法领域的研究也取得了一些令世人瞩目的成就：陈烨在2001年发表了带杂交算子的蚁群算法一文，并且基于Visual Basic开发了一个功能齐全人性化的“蚁群算法实验室”。在2003到2005年间，李艳君、段海滨提出了一种基于网格划分措施的自适应连续域蚁群算法和一种用于求解连续域优化问题的自适应连续域蚁群算法。在2008年，郑松为了解决蚁群算法在解决组合优化问题时收敛速度慢、消耗时间长的缺点，提出将确定性搜索引入基本蚁群算法的搜索过程中，并研究了改进后的蚁群算法在啤酒配方优化设计中的具体应用。1.3 本文的研究主线及体系结构1

14、）本文的研究主线：研究主线是基于正交离散过程的蚁群算法，通过将蚁群算法与正交试验设计相结合，把连续性问题离散化，在常规搜索中创建正交离散过程，优化路径设置提高算法的搜索速度和运行效率。将基于正交离散过程的蚁群算法应用于啤酒原料配方设计实践中，取得了非常好的效果，从而开辟了一种解决连续域变量问题的求解方法。2）本文的体系结构：本文全面地介绍了蚁群算法的理论、方法及其具体实现，按照分析、深化、改进、仿真应用的逻辑结构进行安排，本文共分为四章，其内容基本上构成了一个完整体系，具体而言，各章主要包括如下内容：第一章 阐述了蚁群算法的研究背景及国内外对蚁群算法的研究进展，同时列举了部分改进的蚁群算法及其

15、应用情况，最后给出了本文的研究主线和体系结构。第二章 在介绍蚂蚁的群体觅食行为特征的基础上，从深层意义上进一步分析蚁群算法的机制原理、数学模型、以及具体实现步骤，最后讨论了基本蚁群算法的系统学特征。本章主要内容对基本蚁群算法原理进行分析，也是后面章节对蚁群算法进行改进研究的基础。第三章 详细阐述基于正交离散过程的蚁群算法。分析了正交试验设计的基本原理、正交离散的基本原理、特点，以及正交离散过程蚁群算法实现寻优过程的寻优规则、数学模型，并分析了该改进型蚁群算法在啤酒原料配方设计方面的仿真应用等内容。第四章 对本文的主要内容进行总结，讨论了目前蚁群算法所存在的主要问题，然后从蚁群算法的模型改进、理论分析、并行实现、应用领域等方面对蚁群算法在以后的研究进展方向进行了讨论。第二章 蚁群算法2.1 蚁群算法的基本原理及其数学模型2.1.1 真实蚁群的觅食机理 根据研究者的长期观察发现：蚂蚁在运动时会在路径上释放出一种信息素来寻找路径。当它们碰到一个陌生路口时，就任意挑选一条路径前进，同时释放出与路径长度相关的一定强度信息素。蚂蚁走过的路径越长，所释放的信息素就越少。当后来的蚂蚁再次来到这个路口时，选择信息素强度较大路径