1 目的及意义

1.1 经典人工蚁群算法概述

经典蚁群算法^[1]已经出现和使用了多年，虽然其完善程度不足，不能适用于复杂情况，但是作为一个路径规划算法的原是经典雏形，它的原理和意义是十分重大和具有进步性的，关于经典的蚁群算法，是来自于仿生自然蚂蚁群落的探索行为得出的。

社会性动物的群集活动往往能产生惊人的自组织行为,如个体行为显得简单、盲目的蚂蚁组成蚁群以后能够发现从蚁巢到食物源的最短路径。生物学家经过仔细研究发现蚂蚁之间通过一种称之为“外激素”的物质进行间接通讯、相互协作来发现最短路径。受这种现象启发,意大利学者M.Dorigo^[2]，V.Maniezzo和A.Colorni通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法—蚁群算法。

该算法的出现引起了学者们的巨大关注,在过去的短短十余年时间内,蚁群算法已经在组合优化、函数优化、系统辨识、网络路由、机器人路径规划、数据挖掘以及大规模集成电路的综合布线设计等领域获得了广泛的应用,并取得了较好的效果^[3]。

总的来说,人工蚁群算法的主要特点可以概括为以下几点

1. 采用分布式控制,不存在中心控制

2. 每个个体只能感知局部的信息,不能直接使用全局信息

3. 个体可以改变环境,并通过环境来进行间接通讯

4. 具有自组织性,即群体的复杂行为是通过个体的交互过程中突现出来的智能