改进的蚁群算法在移动Agent路径选择中的应用研究样本.doc

河北科技大学年研究生考试试卷学号：1041姓名：徐韩学院：信息学院专业及研究方向：通信与信息系统网络管理技术考试科目：智能优化算法及其应用考试时间：-5-20学时及学分：36学时2学分年6月3日摘要移动Agent迁移过程半途径选取一种典型、代表问题——旅行Agent问题(TAP)，是一种复杂组合优化问题。蚁群算法(antcolonyalgorithm)作为一种新生物进化算法，具备并行、正反馈和启发式搜索等特点，在求解该问题上具备一定优势，但搜索时间长，易陷入局部最优是其突出缺陷。本文结合既有蚁群算法和移动Agent自身特点，提出了基于任务权重和算法迭代次数来修改途径上信息素更新规则和信息素挥发系数ρ这两种新办法，来更好提高蚁群算法求解性能。核心词：移动Agent，蚁群算法，任务权重一移动Agent途径选取问题概述近年来，随着人工智能和网络技术飞速发展，国内外众多研究学者对移动Agent技术研究和发展也更加关注。移动Agent技术迁移方略是该技术基本技术核心，而移动Agent途径选取问题，正是移动Agent迁移方略重要研究对象，因此求解移动Agent途径选取问题具备重要意义。移动Agent迁移方略，受到了学术界和工业界广泛关注，并进行了大量摸索和研究，获得了一定成绩。旅行Agent问题(TAP)是移动Agent途径选取问题中一种典型例子。该问题是依照移动Agent任务、网络软硬件环境和其她约束条件为移动Agent规划出最佳迁移途径。诸多研究学者对该问题都进行了大量研究和实验，提出了诸多有效办法和思想，如遗传算法，模仿退化算法等等，在该问题上获得一定效果。旅行Agent问题(TAP)是一种NP完全问题，其时间度、空间复杂度都高，这就规定求解该问题办法普通需要具备自适应、自学习、分布式、并行化等特点。蚁群算法是意大利学者Dorigo等人在20世纪90年代，一方面提出一种基于种群启发式仿生算法。该算法不但仅具备以上特性，并且还具备正反馈、引入与问题有关领域知识等特点，因此蚁群算法求解该问题是非常适当。蚁群算法在求解该问题上具备很强优势，但是随着问题规模增大和某些不拟定性因素存在，它会体现出全局搜索能力不强，易于陷入局部最优等缺陷，因而，本文在基本蚁群算法基本上，理解和掌握既有其她改进思想和办法，提出了基于任务权重和算法迭代次数自适应蚁群算法来求解该问题，对仿真实验成果进行了分析和比较。实验成果表白，本文两种改进办法使该算法性能有了一定提高。1.2蚁群算法1.2.1蚁群算法研究背景在当今社会中，随着人工智能(AI)和网络技术飞速发展，科学技术与其她各种学科互相交叉，互相渗入和融合，不但给人们生活、学习和工作等方面带了便利，并且也从主线上变化了人类生活和生产。与此同步，随着人类生活空间不断扩大和对世界结识水平不断提高，人们又对科学技术发展提出了更高、更多规定，期待着更多研究学者对它进行不断研究和提高，其中高效优化技术和智能计算规定也进一步迫切需求。为了提高优化技术水平和智能计算发展，近些年来有诸多研究学者，特别是在生物方面研究专家和学者，通过对大自然中诸多生物生活现象和规律进行了大量研究和探讨，提出了诸多群体智能算法。它们是一种基于生物信息系统智能仿生算法，学者们是对社会性昆虫互相合伙进行工作研究，从生物进化和仿生学角度受到启发而提出。众所周知，社会性昆虫如蜜蜂，蚂蚁等，虽然其单个个体力量很小，行为方式很简朴、随机，但是它们却可以凭借集体力量进行某些复杂社会性活动，来更好完毕单个个体很难甚至不能完毕行为或活动，如它们可以通过社会分工等方式来更快找到食物，共同建造巢穴和防止外敌入侵等等。这种群体所体现出来“智能”，就可以称之为群体智能[5](SwarmIntelligenceSI)。群体智能中群体(Swarm)是指“一组互相之间可以进行间接通信(Stigmergy)主体，这组主体可以合伙进行分布式问题求解”。而所谓群体智能是指“无智能主体通过合伙体现出智能行为特性”。群体智能在没有集中控制并且不提供全局模型前提下，为寻找复杂分布式问题解决方案提供了基本。在诸多专家和研究学者共同努力下，有诸多群体智能算法得以提出并有了较好发展和应用。虽然有些智能算法有了成熟理论基本，但是把它们可以较好应用到现实生活中尚有一定差距，需要咱们共同参加，进行不断摸索、尝试和研究。蚁群算法正是群体智能算法中一种重要分支。在对某些生物昆虫，如蜜蜂、蚂蚁等进行大量观测和研究后，生物学家发现了像蚂蚁这样弱小昆虫，在觅食时候，通过群体力量，通过多次摸索和寻找，最后可以找得到一条从巢穴到食物源最短途径。为了进一步研究，生物学家就在蚂蚁寻找食物途径上，设立某些障碍物来影响蚂蚁寻找途径，通过一段时间搜寻，最后蚂蚁还是找到了从巢穴到食物源最短途径。通过各种实验，生物学家进一步研究表