蚁群算法在实际中得到成功的应用了么

zzofnit

蚁群算法在实际中得到成功的应用了么？

tgctg

          蚁群算法( ant colony algorithm) 是由意大利学者Dorigo 等人[1 ,2 ] 于20 世纪90 年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式仿生进化系统。蚁群算法包含两个基本阶段:适应阶段和协作阶段。在适应阶段,各候选解根据积累的信息不断调整自身结构。在协作阶段,候选解之间通过信息交流,以期望产生性能更好的解,这类似于学习自动机的学习机制。蚁群算法最早成功应用于解决著名的旅行商问题(t raveling salesman problem , TSP) ,该算法采用了分布式正反馈并行计算机制,易于与其他方法结合,而且具有较强的鲁棒性[325 ] 。
& b" u/ a1 g- o     蚁群算法创立十多年来,无论在算法理论还是在算法应用方面都取得了很多突破性研究进展。作为一个前沿性的热点研究领域,蚁群算法已引起越来越多国内外研究者的关注,近五年内其研究人员和研究成果均成几何级数增长。初步统计结果表明,2000 年蚁群算法的相关学术论文还不足200 篇;而截至2005 年11 月,蚁群算法的相关学术论文已经超过了1 800 篇,其应用范围几乎涉及到各个优化领域,而且还出现了蚁群算法仿生硬件,可见这种新兴的仿生优化算法已经显示出强大的生命力和广阔的发展前景。
% L6 `* P/ \$ k: o& B1 L     尽管人们对蚁群算法的研究时间不长,在这一领域还有一些问题需要进一步研究和解决,但是理论研究和实际应用表明它是一种很有前途的仿生优化算法。随着人类认识的进步和社会发展的加速,仿生智能及最优化系统理论将越来越成为科学认识和工程实践的有力工具,因此,关于蚁群算法理论及其应用的研究必将是一个长期的研究课题。相信随着人们对仿生智能系统理论及应用研究的不断深入,蚁群算法这一新兴的仿生优化算法必将展现出更加广阔、更加引人注目的发展前景。