蚁群算法简单总结

蚁群算法简单总结

0.算法思路

模拟自然界蚂蚁寻找食物的过程。蚂蚁在寻找食物时会在路径上释放信息素，而选择路径时蚂蚁会优先走信息素多的路径，一定时间后信息素会集中在最短路径上。下面用TSP问题来举例总结

1.算法框架

2.算法参数

• 蚂蚁数量M：M过大导致每条路径被走过的可能都增大，导致信息素差不多，收敛速度慢；过小可能导致有很多路径没被发现，导致局部收敛
• 信息素常量Q：Q过大导致路径的搜索范围减小，导致局部收敛；过小导致路径上信息素区别不大，进入混沌状态
• 最大迭代次数N：过小可能陷入局部最优
• 信息素因子:过大会使得蚂蚁更关心信息素，更可能走以前走过的路径，容易陷入局部最优；过小会导致算法不收敛。
• 启发函数因子:参数和参数类似
• 信息素挥发因子:过大导致信息素挥发过快，导致不容易收敛；过小导致信息素含量受早期的信息素影响过大，算法容易陷入局部最优

通常，蚂蚁数量M=1.5*目标数，信息素Q=[10,1000]，最大迭代次数N=[100,500]，信息素因子=[1,4]，启发函数因子=[0,5]，信息素挥发因子=[0.2,0.5]。

3.关键步骤

1. 蚂蚁通常选择下一条路径的方式为轮盘赌选择法，权重为信息素浓度
2. 蚂蚁走完所有城市后才会对路径上城市释放信息素，所以当前第t轮迭代释放的信息素不会影响当前轮的蚂蚁，而会影响t+1轮及以后的蚂蚁路径选择

​​返回贝叶斯优化优秀论文总结目录​​