蚁群算法的参数优化问题——基于遗传算法的计算与分析开题报告

1. 研究目的与意义

蚁群算法(ant colony optimization, aco)，是由marco dorigo于1991年在他的博士论文中提出的一种仿生算法。

该算法通过模拟蚂蚁觅食过程中利用信息素的释放相互合作，选择路径的行为，在求解tsp问题中取得了十分卓越的成果。

然而，想要运用蚁群算法解决实际问题，需要给出众多初始参数。

2. 研究内容和预期目标

主要研究内容：1.编程实现基本蚁群算法对tsp问题的求解。

2.统计不同初始参数下的蚁群算法对tsp问题求解的全局收敛性和收敛速度，并分析不同蚁群（即初始参数不同的蚁群）之间是否具有显著性差异。

3.编程实现遗传算法模型。

3. 研究的方法与步骤

本文拟采用以下方法与步骤进行课题研究：1.计算机编程仿真蚁群的行为模式，建立蚁群算法模型，求解tsp问题。

2.采用统计学方法统计分析不同蚁群求得tsp问题的解的全局收敛性与收敛速度是否具有显著性差异。

3.采用数学方法分析遗传算法以及蚁群算法，对不同蚁群给出合理的适应度计算公式。

4. 参考文献

[1]Colorni A, Dorigo M, Maniezzo V, etal. Distributed optimization by ant colonies. Proceedings of the 1st European Conference on Artificial Life, 1991, 134~142 [2]Dorigo M, Maniezzo V, Colorni A. Ant system: optimization by a colony of cooperating angent. IEEE Transaction on Systems, Man, and Cybernetics-Part B, 1996, 26(1): 29~41 [3]段海滨.蚁群算法原理及其应用[M].北京：科学出版社，2015.12 [4]周明，孙树栋.遗传算法原理及其应用[M].北京：国防工业出版社，1999.6 [5]张彤，张华，王子才.浮点数编码的遗传算法及其应用[J].哈尔滨工业大学学报，2000，32(4): 59~61

5. 计划与进度安排

1. 03月09日 - 03月20日：完成开题报告。

2. 03月23日 - 03月29日：论文写作阶段。

定时向指导老师汇报、交流一次论文进展情况。