求解函數(shù)優(yōu)化問題的連續(xù)新螞蟻算法研究.pdf

1、用蟻群算法進(jìn)行函數(shù)優(yōu)化時(shí)，存在收斂速度慢并易于陷入局部最小等問題。
　　 為此，本文首先根據(jù)對真實(shí)螞蟻的最新研究成果，提出了一種全新的由偵察蟻和覓食蟻協(xié)作搜索的函數(shù)優(yōu)化快速連續(xù)蟻群算法。該算法首先引入混沌序列確定偵察蟻的初始位置，然后由偵察蟻進(jìn)行全局大視域快速搜索，且每迭代完一步和每迭代完一代都要對解進(jìn)行評價(jià)，并對本代最優(yōu)解的信息素進(jìn)行標(biāo)記，由此吸引覓食蟻在本代最優(yōu)解周圍空間進(jìn)行小步長搜索。通過這種新穎的初始化方法和偵察蟻與覓食

2、蟻的相互協(xié)作，不僅能很好的提高尋優(yōu)精度，且使收斂速度大幅提高。
　　 計(jì)算機(jī)仿真實(shí)驗(yàn)結(jié)果表明，該算法尋優(yōu)率高，收斂速度提高顯著，效果十分令人滿意。隨后，本文提出了一種微粒群和蟻群算法相結(jié)合的混合連續(xù)優(yōu)化算法，該算法引入微粒群優(yōu)化操作進(jìn)行全局搜索牽引，采用網(wǎng)格法進(jìn)行細(xì)密度的螞蟻局部搜索，從而能很好地應(yīng)用于求解連續(xù)對象優(yōu)化問題。對若干典型復(fù)雜連續(xù)函數(shù)的實(shí)驗(yàn)測試結(jié)果表明，該混合算法跳出局部最優(yōu)解的能力較強(qiáng)，能較快地收斂到全局最優(yōu)解，并

3、能適于高維空間的優(yōu)化問題。與最新的有關(guān)研究成果相比，該算法不僅尋優(yōu)精度高，而且收斂速度大幅提高。最后，針對螞蟻算法在求解連續(xù)空間問題方面的缺陷，本文提出一種基于文化的連續(xù)螞蟻優(yōu)化算法，該算法將螞蟻算法納入文化算法的框架，組成基于螞蟻算法的主群體和信念的兩大空間。在知識和群體層面使用雙重進(jìn)化機(jī)制支持問題的求解和知識的提取。從而充分利用了精英螞蟻所攜帶的特征信息，在很大程度上提高了收斂速度，增強(qiáng)了搜索的多樣性。
　　 實(shí)驗(yàn)結(jié)果表明，