法的信息素传递参数，让整个算法更快速的找到最优解。最大最小优化主要作了如下改进每次迭代结束后，只有最优解所属路径上的信息被更新，从而更好地利用了历史信息为了避免算法过早收敛于并非全局最优的解，将各条路径可能的外激素浓度限制于超出这个范围的值被强制设为或者是，可以有效的避免条路径上的信息量远大于其余路径，使得所有蚂蚁都集中到同条路径上，从而使算法不再扩散初始时刻，各条路径上外激素的其实浓度设为，在算法的初始时刻信息素政法系数取较小值时，算法有更好的发现较好解的能本科毕业生设计论文力。所有蚂蚁完成次迭代后，按下式对路径上的信息作全局更新允许更新的路径可以全局最优解，或本次迭代的最优解。实践证明，逐渐增加全局最优解的使用频率，会使该算法获得较好的性能。轮盘赌选择轮盘赌选择基本思想个体被选中的概率与其适应度函数值成正比。设群体大小为，个体的适应度为，则个体被选中遗传到下代群体的概率为轮盘赌选择工作过程设想群体全部个体的适当性分数由张饼图来代表见图。本科毕业生设计论文群体中每染色体指定饼图中个小块。块的大小与染色体的适应性分数成比例，适应性分数愈高，它在饼图中对应的小块所占面积也愈大。为了选取个染色体，要做的就是旋转这个轮子，直到轮盘停止时，看指针停止在哪块上，就选中与它对应的那个染色体。举例轮盘赌选择法的选择概率计算表个体适应度选择概率累计概率若产生随机数为，则号个体被选中。实现代码轮盘选择，选择第个大于随机数的点总的信息素值大于本科毕业生设计论文取个随机数城市没去过这个操作相当于转动轮盘轮盘停止转动，记下城市编号，直接跳出循环算法的框架结构算法非常类似于算法。同样要计算每任务在任可用机器上的最早完成时间，不同的是算法改进了信息素更新策略，增加了限制条件信息素更新本科毕业生设计论文在蚁群算法中，对所有蚂蚁走过的路径都进行信息素更新而在蚂蚁算法中，只对在当前循环中找到最优解或是自实验以来找到的最优解的蚂蚁进行信息素更新，更新公式为在公式中，表示迭代最优解或全局最优解。在本文的所讲解的内容，所采用的是每次迭代的全局最优解。信息素大小的限制在每个解元素上的信息被限定在个区间,内，在更新信息素的时候，信息素的量如果超过了这个范围，就要做相应的限制如果则设置如果时，则由以下公式来计算本科毕业生设计论文式中，信息素初始值设为本科毕业生设计论文算法流程图改进算法与基本的蚁群算法的其他地方致，仅仅是更新信息素的策略不同，以下是更新信息素的函数流程图是否是否开始寻找当前迭代路径最短的蚂蚁根据公式计算公式，计算值和的值根据公式计算相邻两城市的路径信息素是否超过信息素是否小于依次将任意两城市的信息素加上本次新增的信息素将信息素上限设为结束将信息素下线设为本科毕业生设计论文第章蚁群算法在车辆路径问题中的应用车辆路径问题简介车辆路径问题定义车辆路径问题是和于年提出的，它是指定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在定的约束下，达到诸如路程最短成本最小耗费时间最少等目的。车辆路线问题自年提出以来，直是网络优化问题中最基本的问题之，由于其应用的广泛性和经济上的重大价值，直受到国内外学者的广泛关注。车辆路线问题可以描述如下如图示意图设有场站，共有辆货车，车辆容量为，有位顾客，每位顾客有其需求量。车辆从场站出发对客户进行配送服务最后返回场站，要求所有顾客都被配送，每位顾客次配送完成，且不能违反车辆容量的限制，目的是所有车辆路线的总距离最小。车辆路线的实际问题包括配送中心配送公共场站本科毕业生设计论文汽车路线制定信件和报纸投递航空和铁路时间表安排工业废品收集等。车辆路径问题分类根据研究的重点不同，存在多种分类方式按直信息的特征，可分为确定性和不确定性，其中不确定性可进步分为随机车辆路径问题和模糊车辆路径按约束条件，可以分为带有容量限制的车辆路径问题，带有时间距离约束的车辆路径问题以及带有时间窗的车辆路径问题按需求是否可以分割，可以分为可分割的车辆路径问题和不可分割的车辆路径问题按每个顾客需求量是否超过车的容量来分，可以分为满载车辆路径和非满载车辆路径问题按配送中心的多少来分可以分为但车场车辆路径问题。即般车辆路径问题，以及多车场车辆路径问题，其中难看出，旅行商问题,是的特例，由于已证明问题是难题，因此，也属于难题。直观的说，问题就是指位商人从自己的家出发，希望能找到条最短路径，途径给定的城市集合中的所有城市，最好返回家。并且，每个城市都被访问次且仅次。轮盘赌选择优化前后数据对比轮盘赌选择优化前的迭代结果优化前总信息数城市数量蚂蚁数量迭代次数迭代结果轮盘赌选择优化后的迭代结果优化后总信息数城市数量蚂蚁数量迭代次数迭代结果本科毕业生设计论文轮盘赌选择优化前后结果对比表最优解平均值优化前优化后算法改进前后数据对比算法改进前的迭代结果优化前总信息数城市数量蚂蚁数量迭代次数迭代结果算法改进后的迭代结果优化后总信息数城市数量蚂蚁数量迭代次数迭代结果本科毕业生设计论文算法改进前后对比表最优解平均值优化前优化后通过迭代结果数据的比较，不难发现，被优化的蚁群算法在相同的参数下，经过同样多的迭代次数之后，输出的最优路径的可能性更大。同时，证明了，轮盘选择和最大最小优化是可行的。本科毕业生设计论文第章总结与展望本文主要对蚁群算法的基础性理论优化策略，以及蚁群算法在车问题中的应用进行了讲解，基础理论部分的主要内容基本上是对前人的研究成果进行具体阐述，蚁群算法的优化和蚁群算法在问题的应用是本文讲解的重点。在整个设计中，学到了很多，从对蚁群算法不了解到现在能写出简单的蚁群算法，同时，也让我对算法产生了更深的认识。以前，直害怕算法，更害怕接触新的算法，但幸好有负责本次设计的导师宗欣露老师的帮助，当然，也少不了同学的帮助，正因为有他们的帮助，此次毕业设计才得以顺利完成。在此，表示我对他们的万分感激,路漫漫其修远兮，吾将上下而求索。希望在未来的学习工作中，以更丰厚的成果来答谢曾经关心帮助和支持我的所有老师同学，朋友，家人。本科毕业生设计论文参考文献杨海，王洪国，徐卫志蚁群算法的应用研究与发展科学和技术信息学报张宗永，孙静，谭家华蚁群算法的改进及其应用上海交通大学学报刘志硕，申金升，柴跃廷种求解车辆路径问题的混合多蚁群算法系统仿真学报，李士勇蚁群算法及其应用，哈尔滨工业大学出版社靳蕃，范俊波，谭永东神经网络与神经计算机原理应用成都西南交通大学出版社李士勇蚁群算法及其应用哈尔滨哈尔滨工业大学出版社宁春林，田国会，尹建芹，等蚁群算法在固定货架拣选路径优化中的应用山东大学学报工学版王攀，商海燕，潘利群，等基于混合遗传算法的中国旅行商问题满意解航空计算技术刘士新，宋健海，唐加福蚁群最优化模型算法及应用综述系统工程学报