蚁群算法PLC电力线载波通信网络的组网技术研究(5)
人工免疫算法的优点是新抗体的产生方法灵活多样，并且具有较强的全局搜索能力，能有效地防止算法陷入局部最优解，但是AIA对系统的反馈信息利用不足，当算法求解到一定程度往往效率不高。
e) 蚁群算法
蚁群算法(Ant Colony Algorithm，ACA) [16]是一种新型的模拟进化算法，由意大利学者Dorigo M等人在90 年代首先提出，它通过模拟蚁群在寻找食物中所体现出的寻优能力来解决现实中一些困难的优化问题。
蚁群算法的优点是它结点计算量小、算法复杂性低以及并行计算。蚁群算法在通信网络路由优化问题上取得了一定的进展，在九十年代后期，英国电信公司和HP公司分别应用蚁群算法，针对通信网络路由问题进行研究，采用人工蚂蚁来测试网络路由链路情况，当某只蚂蚁因经过拥塞路径使得网络延时的优化参数变差时，根据信息素更新规则对该路径进行处理，从而选择性能更优的通信路由线路，并对路由表进行更新。这种基于蚁群算法的通信网络路由优化算法能够提高网络服务性能，同时对网络的负载均衡性能的提高、利用率的提高都有帮助。
2.2 蚁群算法的原理和特点
2.2.1 蚁群算法的原理
蚁群算法(ant colony optimization， ACO)[17]，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
蚂蚁是地球上最常见、数量最多的昆虫种类之一，常常成群结队地出现在人类的日常生活环境中。这些昆虫的群体生物智能特征，引起了一些学者的注意。意大利学者M.Dorigo，V.Maniezzo等人在观察蚂蚁的觅食习性时发现，蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究，他们发现，信息素多的地方会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多。当蚂蚁沿着一条路到达终点以后会马上返回来，因此较短路径上蚂蚁来回一次的时间较短，这也意着重复的频率较快，因而在单位时间里走过的蚂蚁数目以及洒下的信息素也多，自然会有更多的蚂蚁被吸引过来，进而洒下更多的信息素；而较长路径情况正相反。因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。实际上蚂蚁只能逐渐接近全局最短路径。这源于蚂蚁会按照一定的概率不往信息素高的地方走而另辟蹊径。这可以理解为一种创新，这种创新如果遇到更短路径，那么根据刚才叙述的原理，逐渐更多的蚂蚁会被吸引过来。整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。
2.2.2 蚁群算法的特点
蚁群算法作为一种表现优异的解决TSP问题的算法，具有很多特点。下面对其自组织性、并行、正反馈及极佳鲁棒性进行介绍。
a) 自组织性
在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。如果系统在获得空间的、时间的或者功能结构的过程中，没有外界的特定干预，我们便说系统是自组织的。在抽象意义上讲，自组织就是在没有外界作用下使得系统墒增加的过程(即是系统从无序到有序的变化过程)。蚁群算法充分体现了这个过程，以蚂蚁群体优化为例子说明。当算法开始的初期，单个的人工蚂蚁无序的寻找解，算法经过一段时间的演化，人工蚂蚁间通过信息激素的作用，自发的越来越趋向于寻找到接近最优解的一些解，这就是一个无序到有序的过程。
下一篇：双曲型方程的特征理论+文献综述