超大蚁群

最近，科学家在欧洲南部发现了一个超大的蚁群，绵延5000千米，从意大利的西部海岸，一直延伸到西班牙的西北部。据观察，这超大蚁群包括数百万个蚁穴中的10亿多只蚂蚁。     

基于蚁群算法的混合优化算法在TSP中的应用

针对蚁群算法收敛慢，易陷入局部最优的问题，提出了基于蚁群算法混合优化算法。该方法将传统蚁群算法中的启发式因子α，β作为每只蚂蚁的属性，利用遗传算法对蚂蚁的种群进行自然选择，优胜劣汰，优秀蚂蚁被保留并产生后代，蚂蚁的启发式因子在求解问题的动态过程中收敛到合理的范围内。将改进的算法应用于旅行商问题，实验结果表明，利用这一方法可使解的性能有所改进，并有效地减少了计算时间。     

趣谈蚂蚁

据蚁学家估测，在任何一个时间段里，全世界都有大约１亿亿个蚂蚁在活动。俗语说“麻雀虽小，五脏俱全”。蚂蚁与麻雀比是微不足道的，但确也是“五脏俱全”，它们那轻捷的身躯之所以有着敏锐的反应能力，全凭着它们小巧的体型和健全的结构。在我们的周围，有着大小不等的１５０００种左右的蚂蚁，因此，我们也应对这些“友邻”有所了解。蚂蚁与蜂同属于膜翅目昆虫，虽都是社会性昆虫，但它们与等翅目的白蚁决然不同，切勿混淆。蚂蚁是由卵、幼虫、蛹逐步发育成成虫。有生殖力的雌虫（后蚁）和有翅能飞的雄蚁群舞配对交尾。一只雌蚁可与七八…     

制造企业动态联盟合作伙伴组合优化方法

将制造企业动态联盟合作伙伴的选择和组合抽象为多目标优化问题，提出改进的蚁群算法——“小生境蚁群算法”及“小生境信息差”的创新概念并对其进行优化求解，在正反馈环节中引人时变参数并利用经验信息和启发信息进行解算，从而有效地防止遗传算法中的“早熟”和基本蚂蚁算法中可能发生的“停滞”状态，获得选择合作伙伴多目标组合优化问题的最优解．     

TSP的改进蚁群算法求解及其仿真研究

蚂蚁数目是影响蚁群算法性能的重要参数,常规蚁群算法在求解TSP时易于陷入局部最优解。文章针对该问题,提出了一种蚂蚁数目动态改变的蚁群算法,即每次周游时的蚂蚁数目是在一个范围内随机取值,该改进算法借用遗传算法中的排序选择策略对每次遍历时的蚂蚁位置进行初始化;分别对常规蚁群算法的TSP求解和改进蚁群算法的TSP求解进行了原理阐述,并对2种算法求解TSP的结果进行了Matlab仿真。对比仿真结果表明,改进的算法在求解TSP时,能够有效地跳出局部最优解,并能很好地收敛,它比常规蚁群算法的性能要优。     

口“咬”利刃的白垩纪猎手——独角蚁

约1亿年前的缅甸琥珀中埋藏了一类特殊的蚂蚁:独角蚁.它的名字来源于其头部唇基延伸出的独特长角,同时,它还长着一对令人望而生畏的镰刀状大颚.独角蚁是如何用这些武器捕食的?它们有自己的“蚂蚁帝国”吗,还有现存的后代吗?让我们一起来看看科学家的研究新进展吧.     

最短路的蚁群算法收敛性分析

蚁群算法最初出发点是模拟蚂蚁觅食,蚂蚁可以利用局部信息素的变化找到从蚁穴到食物的最短路。对求解最短路问题的蚁群算法的收敛性进行了探索性分析,定理给出了寻找最短路的蚁群算法收敛的充分条件,并通过一个数值例子验证了该结果。     

蚂蚁可发声“交谈”“词汇”丰富超乎想像

蚂蚁不仅能发出声音警告同伴，还能像人类一样“交谈”。英国牛津大学研究人员用微型录音设备录下蚂蚁“聊天”的声音，揭秘蚂蚁的世界。     

蚁群优化的研究进展及应用

群体智能是一种新的人工智能形式,目前正在成为人工智能领域及其相关领域的一个研究热点。文章深入探讨了群体智能中的一个重要研究方向———蚁群算法,首先介绍了最初的蚁群算法———蚂蚁系统(Ant System),指出了蚂蚁系统存在的问题,并描述了目前解决方法的进展;然后总结了近年来蚁群算法在组合优化、数据挖掘等领域的应用进展;最后对蚁群算法的未来发展提出展望。     

实验平台装置边缘影响和蚁群聚集程度研究

为深入研究自组织聚集的微观机制, 采用日本弓背蚁作实验材料, 在二维正方形平面和二维圆形平面实验台上进行蚁群实验, 通过高速摄像机视频跟踪并进行定量统计分析. 实验结果表明, 实验装置边缘对蚂蚁有“吸引”作用, 随着群体规模增加, 装置边缘对蚁群吸引减弱. 通过研究蚂蚁速度, 发现因为装置边缘的吸引, 蚂蚁在边界和非边界运动状态不同. 在边界, 蚂蚁主要状态是“停止”和“低速运动”; 在非边界, 蚂蚁主要状态是“低速运动”. 本文首次提出用层次社会熵定量测量蚁群聚集程度, 发现其随着蚁群群体规模增加呈现先上升后下降趋势, 表明蚁群聚集程度随着蚁群群体规模增加先下降后上升.      

游戏场景中基于直接交互机制的蚁群路径规划算法

针对即时战略游戏环境中传统的路径规划算法寻路因素较为单一、信息传递较少、被敌方单位击杀概率较大等问题，提出了一种仅仅基于直接交互机制的蚁群寻路算法。这种算法不仅仅是通过在蚂蚁之间直接交互信息来传递代表寻路目标点位置的信息，同时蚂蚁还与敌方单位进行直接交互，获取在路径上对己方单位带来伤害的敌方单位的位置信息，提高我方侦察单位的存活率，从而规划出一条避开敌方攻击单位到达敌方基地的更合理路径。这种算法同时还扩大了蚂蚁的感知范围，提高了蚂蚁之间进行交互的概率，缩短了完成路径规划所需的时间。通过栅格网络和游戏《星际争霸：母巢之战》仿真地图与A*算法、人工势场算法等常见的路径规划算法做对比实验，结果表明，基于直接交互机制的蚁群算法在某些栅格地图中取得了最短的路径，而且在特定游戏场景中有最长的停留时间，有效解决了游戏场景中的路径规划问题。     

基于抗体的蚁群优化算法研究

针对蚁群优化（ant colony optimization,ACO）容易陷入局部最优,提出一个基于抗体的新型蚁群优化算法(ant colony optimization based on immune algorithm,ACOI)。ACOI是利用免疫算法中抗体的概念来改善人工蚂蚁搜寻解空间的方式,使人工蚂蚁不仅会依随费洛蒙的指引,还会受到抗体的影响去搜寻解空间;而抗体也会随着环境的改变,使抗体成为有效的及无效的2种情形,有效的抗体对人工蚂蚁会有影响,无效的抗体则没有影响。用旅行销售员问题（traveling salesmen problem,TSP）验证ACOI的效能,并与ACO做比较,证明了在蚁群系统中加入抗体要比单纯的蚁群系统效率更高。     

带有侦察子群的蚁群系统

针对基本蚁群算法收敛速度慢、容易出现停滞等缺陷,提出一种新的蚁群优化算法--带有侦察子群的蚁群系统.该算法从整个蚁群中分离出一部分蚂蚁组成侦察子群,在优化过程中侦察子群以一定概率做随机搜索,提高了解的多样性;在信息素更新策略上同时使用本代和全局最优蚂蚁,兼顾了本代和历史的搜索成果;同时还采用LK变异算子,对每次搜索的解进行局部优化.最后对三个典型TSP实例进行了仿真实验,结果表明新的算法不仅能够克服早熟现象,而且能够大大加快收敛速度.     

基于TSP的蚁群算法及其在路由中的应用

蚁群算法（ant colony optimization，ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术，一直以来都是研究的热点。本文首先较系统地总结了蚁群算法的起源和发展，总结了蚁群算法的特点和不足及针对这些不足提出的各种改进方法，最后在组合问题上应用表明改进算法具有良好的性能。     

蚁群算法在旅行商问题中的应用研究

蚁群算法是一种新的启发算法,能够有效的解决组合优化问题.本文通过蚁群算法在旅行商问题中的应用,分析了蚁群算法的设计思想.蚁群算法把可行解表示为蚂蚁走过的路线,通过信息素传递路线优劣的信息,并通过反馈机制强化这些信息,吸引蚂蚁向好的可行解靠拢,从而较快地找到最优解.并且所采用的方法对解决同类组合优化问题也有一定的启发.     

人工养蚁前景喜人

在数百平方米的“神蚁居”——日光温室大棚里,温暖湿润,叶绿花芳郁郁葱葱,环水渠中,清澈涟漪,鱼儿穿梭。中间岛上,蚁群蠕动,乌光闪亮。立体养蚁架上,蚁王飞旋,绕巢觅偶。我不禁惊叹,这是一个多么绝妙的蚂蚁自然生态环境啊！ 小小蚂蚁被人们誉为“天然药     

蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现

概要地对近年来引起广泛兴趣的蚁群算法的研究现状进行了考察，简要地介绍了几种修正的蚁群算法，如蚁群系统（ACS）、最大最小蚁群系统（MMAS），具有变异特征的蚁群算法，与遗传算法相结合的蚁群算法等；大致介绍了几种蚂蚁智能体的硬件实现，并且以蚁群算法在电力系统中的几个应用为例，考察了它在实际应用问题相结合时的一些情况。     

受时间、空间约束VRP问题蚁群优化模型及算法的研究

蚁群算法求解组合优化问题是当今智能优化算法的发展方向之一.通过对M.Dorigo提出的传统蚁群优化元启发模型改进,提出了多参数约束蚁群优化元启发式模型.该模型将所有优化约束条件映射为影响人工蚂蚁搜索行为的诱导素;模型中的人工蚂蚁智能行为简单,只根据信息素和诱导素在求解空间中进行搜索,而不进行复杂的运算;该模型减少了人工蚂蚁的求解搜索空间.并通过受时间、空间约束问题VRP(Vehicle Routing Problem)验证了本文提出模型算法较传统蚁群算法简单、收敛性快.     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

优化的蚁群算法在无线传感器网络中的应用

蚁群算法是一种新型的用于求解组合优化或函数优化问题的启发式算法,其基本思想是借用生物界的蚂蚁群体觅食机理,将每个蚂蚁看作一个智能体,作为智能群体的蚁群,其觅食过程显现出高度的并行性、正反馈性和鲁棒性,以此为基础的蚁群算法也具有这样一些特点。蚁群算法在路径选择方面的优势正好应用于无线传感器网络中源节点到目标节点的最优路径的建立。