aco蟻群演算法
總結一下：在蟻群演算法中有兩個比較重要的引數資訊素濃度a，距離d，主要依靠這兩個特徵引數來推算出蟻群去往地點的概率。
在比較早的時候成功解決了tsp旅行商的問題（在後面的例子中也會以這個例子）。要用演算法去模擬螞蟻的這種行為，關鍵在於資訊素的在演算法中的設計，以及路徑中資訊素濃度越大的路徑，將會有更高的概率被螞蟻所選擇到。
演算法原理
要想實現上面的幾個模擬行為，需要借助幾個公式，當然公式不是我自己定義的，主要有3個，如下圖：
上圖中所出現的alpha，beita，p等數字都是控制因子，所以可不必理會，tij(n)的意思是在時間為n的時候，從城市i到城市j的路徑的資訊素濃度。類似於nij的字母是城市i到城市j距離的倒數。就是下面這個公式。
所以所有的公式都是為第乙個公式服務的，第乙個公式的意思是指第k只螞蟻選擇從城市i到城市j的概率，可以見得，這個受距離和資訊素濃度的雙重影響，距離越遠，去此城市的概率自然也低，所以nij會等於距離的倒數，而且在算資訊素濃度的時候，也考慮到了資訊素濃度衰減的問題，所以會在上次的濃度值上乘以乙個衰減因子p。另外還要加上本輪搜尋增加的資訊素濃度（假如有螞蟻經過此路徑的話），所以這幾個公式的整體設計思想還是非常棒的。
蟻群演算法（ACO）
參考 今天導師開會，同門作報告，題目大概是 的多步 中間提到一句 使用蟻群演算法優化神經網路的初始權值和閾值 遂查資料了解該演算法的實質與用法，或許寫 會用上吧。蟻群演算法 ant colony optimization,aco 又稱螞蟻演算法，是一種用來在圖中尋找優化路徑的機率型演算法。它由mar...
4 1蟻群演算法 ACO 原理
檢視完整原理 1aco原理 蟻群演算法最早是由marco dorigo等人在1991年提出，他們在研究新型演算法的過程中，發現蟻群在尋找食物時，通過分泌一種稱為資訊素的生物激素交流覓食資訊從而能快速的找到目標，據此提出了基於資訊正反饋原理的蟻群演算法。蟻群演算法的基本思想 於自然界螞蟻覓食的最短路徑...
蟻群優化演算法
蟻群優化演算法作為一種全域性最優化搜素方法，同遺傳演算法一樣，靈感都 於自然界，並有良好的搜素效能。然而，從數學的角度來理解分析它們的工作方式是很難的，因為這些演算法都具有很複雜的隨機過程。aco演算法的過程具有一定的隨機性，這就要求初始化螞蟻的數量和更新資訊素的次數必須足夠的多，只有這樣才能最終收...