改进的蚁群算法在移动Agent路径选择中的应用分析研发.docVIP

河北科技大学 2010 年研究生考试试卷 学号 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： 2010-5-20 学时及学分： 36 学时 2 学分 2010 年 6 月 3 日 摘要 移动Agent迁移过程中路径选择的一个经典的、代表问题——旅行Agent问题(TAP)，是一个复杂的组合优化问题。蚁群算法(ant colony algorithm)作为一种新的生物进化算法，具有并行、正反馈和启发式搜索等特点，在求解该问题上具有一定的优势，但搜索时间长，易陷入局部最优是其突出缺点。本文结合现有的蚁群算法和移动Agent本身的特点，提出了基于任务权重和算法迭代次数来修改路径上信息素更新规则和信息素挥发系数ρ这两种新方法，来更好的提高蚁群算法的求解性能。 关键词：移动Agent，蚁群算法，任务权重 一 移动Agent路径选择问题的概述 近年来，随着人工智能和网络技术的飞速发展，国内外众多的研究学者对移动Agent技术的研究和发展也更加关注。移动Agent技术的迁移策略是该技术的基础技术核心，而移动Agent路径选择问题，正是移动Agent迁移策略的主要研究对象，所以求解移动Agent路径选择问题具有重要的意义。移动Agent的迁移策略，受到了学术界和工业界广泛的关注，并进行了大量探索和研究，取得了一定的成绩。 旅行Agent问题(TAP)是移动Agent路径选择问题中的一个经典例子。该问题是根据移动Agent的任务、网络的软硬件环境和其他约束条件为移动Agent规划出最佳的迁移路径。很多研究学者对该问题都进行了大量的研究和实验，提出了很多有效的方法和思想，如遗传算法，模拟退化算法等等，在该问题上取得的一定的效果。旅行Agent问题(TAP)是一个NP完全问题，其时间度、空间复杂度都高，这就要求求解该问题的方法一般需要具备自适应、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，首先提出的一种基于种群的启发式仿生算法。该算法不仅仅具有以上特征，而且还具有正反馈、引入与问题相关领域的知识等特点，所以蚁群算法求解该问题是非常合适。 蚁群算法在求解该问题上具有很强的优势，但是随着问题规模的增大和一些不确定性因素的存在，它会表现出全局搜索能力不强，易于陷入局部最优等缺陷，因此，本文在基本蚁群算法的基础上，理解和掌握现有的其他改进思想和方法，提出了基于任务权重和算法迭代次数的自适应蚁群算法来求解该问题，对仿真实验结果进行了分析和比较。实验结果表明，本文两种改进方法使该算法的性能有了一定的提高。 1.2蚁群算法 1.2.1蚁群算法的研究背景 在当今社会中，随着人工智能(AI)和网络技术的飞速发展，科学技术与其他的多种学科相互交叉，相互渗透和融合，不仅给人们的生活、学习和工作等方面带了便利，而且也从根本上改变了人类的生活和生产。与此同时，随着人类生活空间的不断扩大和对世界认识水平的不断提高，人们又对科学技术的发展提出了更高、更多的要求，期待着更多的研究学者对它进行不断的研究和提高，其中高效的优化技术和智能计算的要求也进一步的迫切需求。 为了提高优化技术水平和智能计算的发展，近些年来有很多的研究学者，特别是在生物方面的研究专家和学者，通过对大自然中很多生物的生活现象和规律进行了大量的研究和探讨，提出了很多的群体智能算法。它们是一种基于生物信息系统的智能仿生算法，学者们是对社会性昆虫相互合作进行工作的研究，从生物进化和仿生学角度受到启发而提出的。众所周知，社会性昆虫如蜜蜂，蚂蚁等，虽然其单个个体的力量很小，行为方式很简单、随机，但是它们却可以凭借集体的力量进行一些复杂的社会性活动，来更好的完成单个个体很难甚至不能完成的行为或活动，如它们可以通过社会分工等方式来更快的找到食物，共同的建造巢穴和防止外敌入侵等等。这种群体所表现出来的“智能”，就可以称之为群体智能 [5](Swarm Intelligence SI)。群体智能中的群体(Swarm)是指“一组相互之间可以进行间接通信(Stigmergy)的主体，这组主体能够合作进行分布式问题求解”。而所谓群体智能是指“无智能的主体通过合作表现出智能行为的特性”。群体智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案