蚁群算法及其应用 蚁群算法应用实例

群智能算法及其应用的介绍

群智能算法作为一种新兴的演化计算技术，已成为越来越多研究者的关注焦点，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的联系。群智能理论研究领域主要有两种算法：蚁群算法和粒子群优化算法。蚁群算法是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。粒子群优化算法也是起源于对简单系统的模拟，初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具。

蚁群算法及其应用的内容

蚁群算法是意大利学者Dorigo等人于1991年创立的，是继神经网络、遗传算法、免疫算法之后的又一种新兴的启发式搜索算法。蚂蚁群体是一种性昆虫，它们有组织、有分工，还有通讯系统，它们相互协作，能完成从蚁穴到食物源寻找短路径的复杂任务。模拟蚂蚁群体智能的人工蚁群算法具有分布计算、信息正反馈和启发式搜索的特点，不仅在求解组合优化问题中获得广泛应用，而且也用于连续时间系统的优化。

蚁群算法及其应用的作者

李士勇，哈尔滨工业大学，博士生导师．1967年毕业于哈尔滨工业大学，1983年获工学硕士学位1992年至1993年在日本千叶工业大学从事模糊控制、神经网络和智能控制研究工作，黑龙江省专家，模糊控制技术生产力促进中心专家，自动化学会智能自动化专业委员会委员，《计算机测量与控制》杂志编委，获奖2项，省、部级奖6项，发表论文80余篇，编著教材与专著4部，《模糊控制·神经控制和智能控制论》荣获全国科技图书奖，并跻身于十大领域论文被引频次的前50部专著与译著排行榜。目前主要从事模糊控制、神经控制、智能控制、智能优化算法、非线性科学与复杂系统理论及其应用的研究与教学工作。

群智能算法及其应用的内容

本书系统地描述了蚁群算法和粒子群优化算法的理论和实现技术及其应用，简单地介绍了鱼群算法。本书着重强调各种算法的混合，讨论了蚁群算法与模拟退火算法的混合、蚁群算法与遗传算法的混合、蚁群算法与混沌理论混合、模拟退火算法、遗传算法与粒子群优化算法混合、混沌理论与粒子群优化算法的混合以及蚁群算法与粒子群优化算法的混合。书中还讨论了群智能算法在旅行商问题、武器一目标分配问题、多处理机调度问题、可靠性优化问题、聚类问题、作业调度问题等方面的应用。