改进蚁群算法及参数优化研究

个 种 群 范围 内找 到 的全 局最 优解 Ｇ 按 式 （３．１）来进 行更 新 迭代 处理 。其 中，ｖ。表 示微
路径上的信息素的值域为 ，ｆ～】，即当信息
状态转移 规则为 了让该 系统中 的蚂蚁可 粒 个体 的速度 向量 ；Ｘ．表示微粒现 在的位置；
素的值溢 出该范围时，将会被改为ｆｍ“或ｆ ， 以更合 理的利用新路径和 问题 的先验知识 。本 学 习 因 子 Ｃ 、Ｃ 是 常 数：ｒ ， ｒ２是 在 【０， １］
暂时最优 ，以增加 下次遍 历时选择该路径的概 释放相 应的信 息素，反之 ，不释放信 息素 。这 法 进行优 化和改进。
率；反之 ，若路径 不是最优则要在该路径上减 样保 持了算法的朝向是持续优化 ，而又防止算 ３调优算 法参数
少一定浓度 的信 息素， 以减小下次被选中的概 法 过早地 陷入 局部最 优解 。节 点 Ｃ。到节 点 Ｃ；
的路 径长度进行 比较 。若 长度 小于当前最优解 罚”机 制，然后从全局和局部优化算法信 息素 的性能进行评价，最终指 引各微粒朝适应值 高
Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ 电子 技术 与 软件 工程 ·１８７
计算机 肢术应 用 · ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ
Ｖｆ＋１＝ｗ·Ｖ ＋ｃ１·ｒ·（ 脚 一 ）＋Ｃ２￣ｒ２·（Ｉ５ 一 ｉ） 一
＝ Ｘ ｆ＋ｖ。＋ｌ
ｌ
（４）
息素量 的 Ｙ次幂和启发 式的信 息的 次幂 的相 ３．２参数调优 实验
乘 结果 最大运 行；反之 ，采用轮盘赌 的策略来
运算下一个城 市作为访 问节 点的概 率。
将 目标 参数组合作为优化对 象 （微粒 的位
ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ· 计算机技术应 用
表 １：调优参数 取值 范围
表 ４：优化 的蚁群算法和基本蚁群算法结果 的比较
则在该路径上增加 一定浓度的信息素 ，该路径 的长度 ，则该路径上的蚂蚁在其经过 的路径上 浓度的更新策略，加入不 同状态变化概率对 算
因子 启发因子 Ｙ、蚂蚁 的数量规模 Ｍ 以及 信 息素总量 Ｑ，参数相互耦合 ，需要结合 具体 问题，对 其进行调优 。本节采用公交调度优化
径 最 优 解 用 Ｌ ）表示 ；Ｌ“ 为 当前 路径 。具 体 的 奖惩为 ：当Ａ （ｆ）＞Ｏ，当前 路径最 佳，该 路径信息素将会增加 ，随着信息素的增加对其
在 最 大最 小蚂蚁 系统 中ｆ 和 ａｘ的设置 好坏 文 引入随机变 量 ∈（Ｏ，１），用于伪 随机 比例规 上均匀 分布的随机数 ；Ｗ是惯 性权 重。
直接 关系到最优解 的好坏 ，公式如下 ：
则和轮盘 赌两个状态转移策略进行选择 。这样 平 衡 了开 发 当 前 路径 与 探 索 其 他 新 路 径 之 间 的 比例关 系。 当ｒａｎｄｏｍ ＜ｑ时 ，让蚂 蚁选 择信
本 文所 选 用 调 优 参 数 的 算 法 是 粒 子 群 （ＰＳＯ）算 法。作为基于 种群的 随机 全局优化算 法，其每一次 的迭 代过程 中，微 粒个体 ｉ通 过 其 自己所 构建 到的个体 最优解 Ｐ． 和 目前整
为 了避 免某些路 径上 的信息素浓度 过高 ， ２．４引入状 态转 移控 制参数 出现 早熟停滞 。为此 ，弓ｌ入最大最小蚂蚁系统 。
２＿３．１信息素全局更新策略 的改进
置 ），在 每轮迭 代过程 中，使用微粒 的现在 所
在每次迭代构建解空间后 ，记录所有蚂蚁 构 建的可行解的路径长度 ，然 后与当前最优解
处的位置 来运行改进的蚁群算法 ，求解标 准优 在 最 大最 小蚁 群系 统基 础之 上 引入 “赏 化 问题，同时结合适应度评价 函数对刚 刚求解
执行蚁 群优化算法 ，进 行一次求解 ，同时依据 有 ３３个站点 ，图 ｌ是 ２７路某工作 日全天各 时
适 应值 评 价 函数对 刚 刚求 解结 果进 行评 价分 段内客流统计分布ቤተ መጻሕፍቲ ባይዱ图。如图 ２所示为某工作 日
３．１粒 子群 优 化
该路径信息素将会减少 ，随着信息素的减少对 其 “惩罚 ”。
２．２最大最 小蚁群 系统
于后面的蚂蚁探索其他路径解 ，提高其探索 的 概率 ，避 免进 入停滞或者局部最优解 。对于某 蚂 蚁个 体，当其 经过 一条路径 （ｉ，ｊ）时 ，立 即对此 路径上的信息素进行更新。
全 天 单 位 时 阀乘 客 到 达 数
３０ ２５ ２０ ２５ ｉ０
５
ｉ
运营 时段
图 １： 各 时 段 客 流 统 计 分 布
图 ２：全 天上行 方向各站乘客到站 密度 曲线
的 方 向 行 进 。 流 程 如 下 ：
２１：３０１七个时段优化 。本文实证 分析 以某 市 ２７
率 。
之 间路径 上的信 息素量更新 公式：
算 法关键参数 ：浓度 消逝速度 ｐ、信 息素
ｆ）： ． （ ｆ）＋ （ｆ＋１）
１ｆ ｒｖ（ｔ＋１）＝（１－ · （１） ·Ａｒｋ（／，，
（１） ｌ
“）：
ｌ Ｉ
ｖ“ Ｇ。Ｉｃ，Ｉ
上式 （１）中参 考因子用 。表示 ，历史路
（３）
“奖 励 ”；当ａｒｕ（ｔ）＜Ｏ， 当前路径 并非 最佳 ，
２．３－２信 息素局 部更 新策略的改进 依 据前 文 讲述 的赏 罚机 制，蚂 蚁在 构建
解 的过程中对经过的路径上 的信息素进行局 部 更 新，去除掉该路径上 的一些信息素 ，以有利
问题， 以某 市 ２７路 的实际数 据，利用 微粒子 群 算法调优关键 参数 。信息素因子启发因子
（１）在一定 范围内选取 ｃ 、ｃ，和权 重 Ｗ 路公交 ，通过调整优 化在各个时段 内公 交车 的
的值，同时 随机选 取各微粒的初始位置和速鹿 发车间隔 ，兼顾 公交公司盈利和公众满 意，以
（２）利用 每个微 粒个体 所在 的位置信 息 此来实现对调度 问题的优化 。该趟公交 线路 拥