关键词不能为空

当前您在: 主页 > 英语 >

蚁群算法蚂蚁算法中英文对照外文翻译文献

作者:高考题库网
来源:https://www.bjmy2z.cn/gaokao
2021-02-08 05:22
tags:

-

2021年2月8日发(作者:反省英文)


蚁群算法蚂蚁算法中英文对照外文翻译文献





蚁群算法蚂蚁算法中英文对照外文翻译文献




(


文档含英文原文和中文翻译


)


















蚁群算法蚂蚁算法中英文对照外文翻译文献




翻译


:



蚁群算法



起源





蚁群算法


(ant


colony


optimization,


ACO)


,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



1992


年在他的博士


论文中提出,< /p>


其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。


蚁群算法< /p>


是一种模拟进化算法


,


初步的研究表明该 算法具有许多优良的性质


.


针对


PID


控制器参数优化设计问题


,


将蚁群算法 设计的结果与遗传算法设计的结果进行


了比较


,


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。



原理




< /p>


各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。


一只找到食物以后,


它会向环境释放一种信息素,


吸引其他的蚂蚁过来,


这样


越来越多的蚂蚁会 找到食物!有些蚂蚁并没有象其它蚂蚁一样总重复同样的


路,他们会另辟蹊径,如果令开 辟的道路比原来的其他道路更短,那么,渐渐


地更多的蚂蚁被吸引到这条较短的路上来。


最后,


经过一段时间运行,


可能会


出现一条最短的路径被大多数蚂蚁重复着。





为什么小小的蚂蚁能够找到食物? 他们具有智能么?设想,


如果我们要为


蚂蚁设计一个人工智能的 程序,


那么这个程序要多么复杂呢?首先,


你要让蚂

< p>
蚁能够避开



障碍物,就必须根据适当的地形给它 编进指令让他们能够巧妙的


避开障碍物,其次,要让蚂蚁找到食物,就需要让他们遍历空 间上的所有点;


再次,如果要让蚂蚁找



到最短的路径,那么需要计算所有可能的路径并且比


蚁群算法蚂蚁算法中英文对照外文 翻译文献



较它们的大小,


而且更重要 的是,


你要小心翼翼的编程,


因为程序的错误也许


会让你前功尽弃。


这是多么不可思议的程序!


太复杂 了,


恐怕没人能够完成这


样繁琐冗余的程序。

< br>




然而,


事实并没有你想得那么复杂,


上面这个程序每个蚂蚁的核心程序编


码不过


100


多行!为什么



这么简单的程序会让蚂蚁干这样复杂的事情?答案


是:


简单规则的涌现。


事实上,


每只蚂蚁并不是像我 们想象的需要知道整个世


界的信息,


他们其实只关心很小范围内 的眼前信息,


而且根据这些局部信息利


用几条简单的规则进行决 策,


这样在蚁群这个集体里,


复杂性的行为就会凸现

< p>
出来。这就是人工生命、复杂性科学解释的规律!那么,这些简单规则是什么


呢?



1


、范围:






蚂蚁观察到的范围是一个方格世界 ,


蚂蚁有一个参数为速度半径


(一般



3



,那么它能观察到的范围就是


3*3


个方格世界,并且能移动的距离也在


这个范围之内。



2


、环境:






蚂蚁所在的环境是一个虚拟的世界 ,


其中有障碍物,


有别的蚂蚁,


还有< /p>


信息素,


信息素有两种,


一种是找到食物 的蚂蚁洒下的食物信息素,


一种是找


到窝的蚂蚁洒下的窝的信息 素。每个蚂蚁都仅仅能感知它范围内的环境信息。


环境以一定的速率让信息素消失。



3


、觅食规则:





在每只蚂蚁能感知的范围内寻找 是否有食物,如果有就直接过去。否则


看是否有信息素,


并且比 较在能感知的范围内哪一点的信息素最多,


这样,


< p>
就朝信息素多的地方走,


并且每只蚂蚁都会以小概率犯错误,


从而并不是往信


蚁群算法蚂蚁算法中英文对照外文翻译文献

< br>


息素最多的点移动。


蚂蚁找窝的规则和上面一样,


只不过它对窝的信息素做出


反应,而对食物信息素没反应。



4


、移动规则:





每只蚂蚁都朝向信息素最多的方向 移,


并且,


当周围没有信息素指引的时


候,


蚂蚁会按照自己原来运动的方向惯性的运动下去,


并且,< /p>


在运动的方向有


一个随机的小的扰动。


为 了防止蚂蚁原地转圈,


它会记住最近刚走过了哪些点,


如果发现 要走的下一点已经在最近走过了,它就会尽量避开。



5


、避障规则:





如果蚂蚁要移动的方向有障碍物挡 住,


它会随机的选择另一个方向,


并且


有信息素指引的话,它会按照觅食的规则行为。



6


、播撒信息素规则:





每只蚂蚁在刚找到食物或者窝的时 候撒发的信息素最多,


并随着它走远的


距离,播撒的信息素越来 越少。





根据这几条规则,


蚂蚁之间并没有直接的关系,


但是每只蚂蚁 都和环境发


生交互,而通过信息素这个纽带,实际上把各个蚂蚁之间关联起来了。比如,


当一只蚂蚁找到了食物,


它并没有直接告诉其它蚂蚁这儿有食物 ,


而是向环境


播撒信息素,当其它的蚂蚁经过它附



近的时候,就会感觉到信息素的存在,


进而根据信 息素的指引找到了食物。



问题:





说了这么多,

蚂蚁究竟是怎么找到食物的呢?



在没有蚂蚁找到食物的时


候,


环境没有有用的信息素,


那么蚂蚁 为什么会相对有效的找到食物呢?这要


归功于蚂蚁的移动规则,


尤其是在没有信息素时候的移动规则。


首先,


它要能

< p>
尽量保持某种惯性,


这样使得蚂蚁尽量向前方移动


(开始,


这个前方是随机固


蚁群算法蚂蚁算法中英文对照外文翻 译文献



定的一个方向)



< br>而不是原地无谓的打转或者震动;


其次,


蚂蚁要有一定的 随


机性,


虽然有了固定的方向,


但它也 不能像粒子一样直线运动下去,


而是有一


个随机的干扰。这样就 使得



蚂蚁运动起来具有了一定的目的性,尽量保持原


来的方向,


但又有新的试探,


尤其当碰到障碍物 的时候它会立即改变方向,



可以看成一种选择的过程,也就是 环境



的障碍物让蚂蚁的某个方向正确,而

其他方向则不对。


这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然


能找到隐蔽得很好的食物。





当然,


在有一只蚂蚁找到了食物的时 候,


大部分蚂蚁会沿着信息素很快找


到食物的。但不排除会出现



这样的情况:在最初的时候,一部分蚂蚁通过随


机选择了同一条路径,


随着这条路径上蚂蚁释放的信息素越来越多,


更多的蚂


蚁也选择这条路径,但这条路径并不是



最优(即最短)的,所以,导致了迭


代次数完成后,

< p>
蚂蚁找到的不是最优解,


而是次优解,


这种情况下 的结果可能


对实际应用的意义就不大了。





蚂蚁如何找到最短路径的?这一是 要归功于信息素,另外要归功于环境,


具体说是计算机时钟。信息



素多的地方显然经过这里的蚂蚁会多,因而会有


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


(或者较长的路上 蚂



蚁多,


这也无关紧要)

< p>


当蚂蚁沿着一


条路到达终点以后会马上返回来,


这样,


短的路蚂蚁来回一次的时间就短,



也意味着重复的频率就快,因而在单位时间里走



过的蚂蚁数目就多,洒下的


信息素自然也会多,自然会有更多的蚂蚁被吸 引过来,从而洒下更多的信息


素……;而长的路正相反,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。也许有人会问局部最短路径和全局最短路的问题,


实际上蚂蚁逐渐接近全局最短路 的,为什么呢?这源于蚂蚁会犯错误,也



< br>蚁群算法蚂蚁算法中英文对照外文翻译文献



是它会按照 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,


这种创新如果能缩短路途,


那么根据刚才叙述的原理,


更多的蚂蚁会被


吸引过



来。



引申





跟着蚂蚁的踪迹,


你找到了什么?通过上面的原理叙述和实际操作,


我们


不难发现蚂蚁之所以具有智能行为,


完全归功于它的简单行为规则,

而这些规


则综合起来具有下面两个方面的特点:





1


、多样性





2


、正反馈





多样性保证了蚂蚁在觅食的时候不 置走进死胡同而无限循环,


正反馈机制


则保证了相对优良的信息 能



够被保存下来。我们可以把多样性看成是一种创

< p>
造能力,


而正反馈是一种学习强化能力。


正反馈的 力量也可以比喻成权威的意


见,而多样性是打破权威体现的创造



性,正是这两点小心翼翼的巧妙结合才


使得智能行为涌现出来了 。





引 申来讲,


大自然的进化,


社会的进步、


人类的创新实际上都离不开这两


样东西,多样性保证了系统


< /p>


的创新能力,正反馈保证了优良特性能够得到强


化,两者要恰到好 处的结合。如果多样性过剩,也就是系统过于活跃,这相当


于蚂蚁会过多的随机运动,它 就会陷入



混沌状态;而相反,多样性不够,正


反馈机制过强,


那么系统就好比一潭死水。


这在蚁群中 来讲就表现为,


蚂蚁的


行为过于僵硬,当环境变化了,蚂蚁群仍 然不能适



当的调整。






既然复 杂性、


智能行为是根据底层规则涌现的,


既然底层规则具有多样


性和正反馈特点,那么也许你



会问这 些规则是哪里来的?多样性和正反馈又


是哪里来的?我本人的意见:

规则来源于大自然的进化。


而大自然的进化根据


蚁群算法蚂 蚁算法中英文对照外文翻译文献



刚才讲的也体现为多样性和正反馈的巧妙


结合。而这样的巧妙结合又是为什


么呢?为什么在你眼前呈现的世界是如此栩栩如生 呢?答案在于环境造就了


这一切,之所以你看到栩栩如生的世界,是因为那些不



能够适应环境的多样


性与正反馈的结合都已经 死掉了,被环境淘汰了!



蚁群算法的特点






1)


蚁 群算法是一种自组织的算法。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


)



蚁群算法充分休


现了这个过程,

< p>


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。

< p>




2)


蚁群算法是一种本质上并行的算法。每只蚂蚁搜索的过程彼此独立,


仅通 过信息激素进行通信。


所以蚁群算法则可以看作是一个分布式的多


agent


系统,


它在问题空间的多点同时开始进行独立的解 搜索,


不仅增加了算法的可


靠性,也使得算法具有较强的全局搜 索能力。





3)


蚁群算法是一种正反馈的算法。从真实蚂蚁的觅食过程中 我们不难看


出,蚂蚁能够最终找到最短



路径,直接依赖于最短路径上信息激素的堆积,


而信息激素的堆积却是一个正反馈的过 程。


对蚁群算法来说,


初始时刻在环境


中存在完全相同的信息激素,给予系统



一个微小扰动,使得各 个边上的轨迹


蚁群算法蚂蚁算法中英文对照外文翻译文献



浓度不相同,


蚂蚁构造的解就存在了优劣,


算法采用的反馈方式是在较优的解


经过的路径留下更多的信息激素,而更多的信息激



素又吸引了更多的蚂蚁,


这个正反馈的过 程使得初始的不同得到不断的扩大,


同时又引导整个系统向最


优 解的方向进化。因此,





正反馈是蚂蚁算法的重要特征,它使得算法演化过程得以进行。






4)


蚁群算法具有较强的鲁棒性。相对于其它算法,蚁群算法对初始路


线要求不高,


即蚁群算法的求解结果不依赖子初始路线的选择,


而且在搜索过


程中不需要进行人工的调整。其次,蚁群算法的参数数目少,设置简单, 易于


蚁群算法应用到其它组合优化问题的求解。





蚁群优化算法最初用于解决


TSP


问题,


经过多年的发展,

< p>
已经陆续渗透到


其他领域中,如,图着色问题、大规模集成电路设计、通讯 网络中的路由问题


以及负载平衡问题、


车辆调度问题等。


蚁群算法在若干领域己获得成功的应用,


其中最成功的是在组合优化问 题中的应用。





在网络路由处理中,


网络的流量分布不断变化,


网络链 路或结点也会随机


地失效或重新加入。蚁群的



自身催化与正向反馈机制正好符合了这类问题的


求解特点,

因而,


蚁群算法在网络领域得到一定应用。


蚁群觅食行为所 呈现出


的并行与分布特性使得算法特别适合于



并行化处理。因而,实现算法的并行


化执行对于大量复杂的实际应用问题的求解 来说是极具潜力的。





在某群体中若存在众多无智能的个体,


它们通过相互之间的简单合作所表


现出来的智能行为即称为集群智能


(Swarm Intell igence)


。互联网上的交流,


不过是更多的神经元连接< /p>


(


人脑


)


通过互 联网相互作用的结果,


光缆和路由器不


过是轴突和突触的延伸。 从自组织



现象的角度上看,人脑的智能和蚁群也没

< p>
有本质上的区别,


单个神经元没有智能可言,


单个 蚂蚁也没有,


但是通过连接

-


-


-


-


-


-


-


-



本文更新与2021-02-08 05:22,由作者提供,不代表本网站立场,转载请注明出处:https://www.bjmy2z.cn/gaokao/612329.html

蚁群算法蚂蚁算法中英文对照外文翻译文献的相关文章