基于LabVIEW平台的SMT贴片机路径优化的说研究.pdf - 第44页
ｒ ａｒｇ盘瓤吨ｏ）慨刚｝若留ｓ吼 ｓ＝｛ ㈤Ⅲ 巧Ｏ＋以）一（１一ｐｈＯ）＋肚％ （４．１３） △％＝｛， 否则若Ｑ，＂，∈全局最优路径 （４・１４）
湖北工业大学硕士学位论文
４．６基本蚁群算法的改进思路
基本蚁群算法存在收敛速度慢，易于陷入局部最优解，针对这些不足，人们
提出了几种改进蚁群算法。
４．６．１带精英策略的蚁群系统
带精英策略的蚁群系统（Ａｎｔ
Ｓｙｓｔｅｍ
ｗｉｔｈ
ｅｌｉｔｉｓｔ
ｓｔｒａｔｅｇｙ简称彳＆ｆｆｆ）是最
早的改进的蚁群算法，在某些方面它类似遗传算法中所使用的精英策略口钔。在遗
传算法中精英策略的思想是为了保留住一代中的最适应个体啪３，类似地，在４￡船
中，为了使到目前为止所找到的最优解在下一次循环中对蚂蚁更有吸引力在每次
循环之后给予最优解以额外的信息素增量信息素按式（４．７）和式（４．８）进行更新。
％ｐ＋１）＝（１一ｐ境Ｏ）＋△‘ｆ＋△％。
（４．７）
其中
△影一
△巧＝∑△巧‘
七・１
（４．８）
Ｑ
若第ｋ只蚂蚁在本次循环中经过（ｉ，ｊ）
ｔ
（４．９）
Ｏ
否则
△％ｋ＜＿罟尊？“’Ｄ是当前最＿解的一部分
。４．１∞
蚁群系统（Ａｎｔ
Ｃ０１０ｎｙ
Ｓｙｓｔｔｅｍ简称ＡＣＳ）是由Ｍ．Ｄｏｒｉｇｏ和Ｇａｍｂａｒｄｅｌ
ｌａ在
厂ｌｌ●，弋●Ｌ
ｒ
ａｒｇ盘瓤吨ｏ）慨刚｝若留ｓ吼
ｓ＝｛
㈤Ⅲ
巧Ｏ＋以）一（１一ｐｈＯ）＋肚％
（４．１３）
△％＝｛，
否则若Ｑ，＂，∈全局最优路径
（４・１４）
湖北工业大学硕士学位论文
最优解附近提高解的质量和收敛速度，而且能够有效地避免早熟收敛¨引，是到目
前为止解决ＴＳＰ问题最好的蚁群算法。主要作了如下改进
（１）完成一次循环后，只有循环最优解或到全局最优解所属路径上的信息被
更新。
（２）为了避免算法过早收敛于非全局最优解，将各条路径上的信息素限制于
ｈ∽‰】之间，超出这个范围的值被强制设为ｆ晌或者是ｚ嘲，可以有效地避免某
条路径上的信息素远大于其它路径，使得蚂蚁都集中到一条路径上汹１。
（３）为使蚂蚁在算法初期能更多地搜索新的解决方案，初始时刻将各条路径上
的信息素都设为了僦。
（４）当所有蚂蚁完成一次循环后，按式和式对路径上的信息进行全局更新。
％Ｏ＋以）＝（１一ｐ心Ｏ）＋‘芦
（４．１５）
ｌ
１
若（ｉ，ｊ）∈最优路径
△露耐＝Ｊ
邝妇）
（４．１６）
Ｌ
。
否则
式中，ｐ表示信息素挥发系数，则１一ｐ信息素残留因子，为防止信息的无限
积累，通常设置（０＜ＪＤ＜１）；厂Ｏ妇）表示本次循环最优解或到目前为止找出的
全局最优解。
４．７几种改进的蚁群算法比较
与ＡＳ算法相比彳Ｓ加算法、ＡＣＳ算法及ＭＭＡＳ算法的共同之处在于加强了对最
优解的利用Ｈ０１。只有最优解所属路径上的信息素允许加耐３０１。但是，加强对最优
解的利用将会导致搜索中的停滞现象。在ＡＣＳ算法中通过增加局部信息素更新来
减少路径上的信息素量，从而使后面的蚂蚁选择该路径的可能性减少；在ＭＭＡＳ算
法中，通过限制信息量的范围，使路径上的信息量不会小于某一最小值，从而避
免了所有蚂蚁选择同一条路径的可能性，即避免了搜索中的停滞现象。
我们从ＴＳＰＬＩＢ问题库中选取几种有代表性研究得比较多并且己有己知最优解
的对称问题作为测试对象ｍ１，对前述几种算法进行性能评价。
ＴＳＰＬＩＢ是由一系列ＴＳＰ问题以及相关问题所组成的问题库。它于１９９０年Ｒｉｃｅ
大学并行计算研究中心举行的ＴＳＰ问题研讨会上建立：最初包含８４个测试问题，
４１