摘要：自話粒子群算法超簡(jiǎn)單實(shí)例自話遺傳算法帶實(shí)例簡(jiǎn)單蟻群算法模擬實(shí)驗(yàn)這個(gè)模擬實(shí)驗(yàn)比較簡(jiǎn)單，并沒(méi)有對(duì)信息素路徑選擇等做優(yōu)化，主要是方便大家查看簡(jiǎn)單的螞蟻系統(tǒng)能夠帶來(lái)一個(gè)什么樣的效果詳細(xì)說(shuō)明見(jiàn)后文。

原文地址：http://breezedust.com/2016/07/10/zi-hua-yi-qun-suan-fa-jian-dan-mo-ni-shi-li/

這算是填3年前的一個(gè)坑吧，已經(jīng)懶癌晚期了，想必也還是要掙扎下，那今天先從蟻群算法這個(gè)坑說(shuō)起，如果你是要尋找怎么優(yōu)化蟻群算法，可以直接跳過(guò)本文，如果你還不了解什么是蟻群算法，或許本文能夠提起你的興趣。

如果你同樣對(duì)遺傳算法和粒子群算法感興趣，請(qǐng)查看3年前我對(duì)于這兩個(gè)算法見(jiàn)解的文章。

自話粒子群算法（超簡(jiǎn)單實(shí)例)

自話遺傳算法（帶實(shí)例）

簡(jiǎn)單蟻群算法模擬實(shí)驗(yàn)：

Demo

Github

這個(gè)模擬實(shí)驗(yàn)比較簡(jiǎn)單，并沒(méi)有對(duì)信息素、路徑選擇等做優(yōu)化，主要是方便大家查看簡(jiǎn)單的螞蟻系統(tǒng)能夠帶來(lái)一個(gè)什么樣的效果,詳細(xì)說(shuō)明見(jiàn)后文。

按百度百科的話來(lái)說(shuō)，蟻群算法(ant colony optimization, ACO)，又稱螞蟻算法，是一種用來(lái)在圖中尋找優(yōu)化路徑的機(jī)率型算法。它由Marco Dorigo于1992年在他的博士論文中提出，其靈感來(lái)源于螞蟻在尋找食物過(guò)程中發(fā)現(xiàn)路徑的行為。蟻群算法是一種模擬進(jìn)化算法，初步的研究表明該算法具有許多優(yōu)良的性質(zhì)，并且現(xiàn)在已用于我們生活的方方面面。

螞蟻在運(yùn)動(dòng)過(guò)程中，會(huì)留下一種稱為信息素的東西，并且會(huì)隨著移動(dòng)的距離，播散的信息素越來(lái)越少，所以往往在家或者食物的周圍，信息素的濃度是最強(qiáng)的，而螞蟻?zhàn)陨頃?huì)根據(jù)信息素去選擇方向，當(dāng)然信息素越濃，被選擇的概率也就越大，并且信息素本身具有一定的揮發(fā)作用。 螞蟻的運(yùn)動(dòng)過(guò)程可以簡(jiǎn)單歸納如下：

當(dāng)周圍沒(méi)有信息素指引時(shí)，螞蟻的運(yùn)動(dòng)具有一定的慣性，并有一定的概率選擇其他方向

當(dāng)周圍有信息素的指引時(shí)，按照信息素的濃度強(qiáng)度概率性的選擇運(yùn)動(dòng)方向

找食物時(shí)，螞蟻留下家相關(guān)的A信息素，找家時(shí)，螞蟻留下食物相關(guān)的B信息素，并隨著移動(dòng)距離的增加，灑播的信息素越來(lái)越少

隨著時(shí)間推移，信息素會(huì)自行揮發(fā)

一個(gè)簡(jiǎn)單的例子，如果現(xiàn)在有兩條通往食物的路徑，一條較長(zhǎng)路徑A,一條較短路徑B,雖然剛開(kāi)始A,B路徑上都有螞蟻，又因?yàn)锽比A短，螞蟻通過(guò)B花費(fèi)的時(shí)間較短，隨著時(shí)間的推移和信息素的揮發(fā)，逐漸的B上的信息素濃度會(huì)強(qiáng)于A，這時(shí)候因?yàn)锽的濃度比A強(qiáng)，越來(lái)越多多螞蟻會(huì)選擇B，而這時(shí)候B上的濃度只會(huì)越來(lái)越強(qiáng)。如果螞蟻一開(kāi)始只在A上呢，注意螞蟻的移動(dòng)具有一定小概率的隨機(jī)性，所以當(dāng)一部分螞蟻找到B時(shí)，隨著時(shí)間的推移，螞蟻會(huì)收斂到B上，從而可以跳出局部最優(yōu)。

上面的描述可能不是很形象，現(xiàn)在我們來(lái)模擬做個(gè)小實(shí)驗(yàn)，實(shí)驗(yàn)地址Demo，源碼已放在 Github

簡(jiǎn)單蟻群實(shí)驗(yàn)環(huán)境：

滿足上面4點(diǎn)基本規(guī)則,信息素散播規(guī)則按照屏幕斜線距離/螞蟻移動(dòng)距離，移動(dòng)距離在找到食物或者家清0(言外之意式，螞蟻?zhàn)疃嗄軌蛞苿?dòng)斜線這么遠(yuǎn)的距離，這個(gè)公式比較簡(jiǎn)單)

超過(guò)一定的移動(dòng)步數(shù)未找到食物或窩的螞蟻進(jìn)行重置

選擇方向的計(jì)算公式采用單元格濃度/8個(gè)方向單元格濃度總和,用輪盤賭進(jìn)行概率選擇

信息素在每次迭代時(shí)，進(jìn)行統(tǒng)一揮發(fā)一個(gè)常量值

現(xiàn)在我們來(lái)看看螞蟻是否能夠找到最近的食物。

1.首先我們放置一個(gè)較遠(yuǎn)的食物A，圖中的綠色為食物，白色為螞蟻，暗藍(lán)色為家相關(guān)的信息素，顏色深淺代表濃度。

注意：我們上面采用的信息素灑播規(guī)則，會(huì)讓家相關(guān)的信息素濃度圍繞著家呈梯形分布，這樣螞蟻在回家時(shí)，能夠根據(jù)濃度找到家，食物相關(guān)信息素也一樣。感興趣的朋友可以在源碼里修改信息素顯示參數(shù)，顯示食物相關(guān)的信息素分布圖。

2.過(guò)一會(huì)兒，我們發(fā)現(xiàn)螞蟻都聚集在這條路徑上，然后我們放一個(gè)離得很近的食物B

3.最后我們會(huì)發(fā)現(xiàn)這條路徑上的螞蟻越來(lái)越多，再過(guò)一會(huì)兒，A路徑上基本沒(méi)有什么螞蟻了。

你有可能問(wèn)，那障礙是干嘛用的，我當(dāng)時(shí)只是想干一件小時(shí)候經(jīng)常干的事情，如

1.一群螞蟻找到了食物

2.我攔住了他們的去路

3.最后他們還是找到了食物，壞笑

如果你親自動(dòng)手做實(shí)驗(yàn)，你會(huì)發(fā)現(xiàn)，當(dāng)螞蟻在一條路徑上覓食很久時(shí)，你再放置一個(gè)近的食物基本沒(méi)啥效果，你也可以理解為當(dāng)一只螞蟻找到一條路徑時(shí)，過(guò)了很久的時(shí)間，大多數(shù)螞蟻都選擇了這條路徑，就在這時(shí)候，突然有一只螞蟻找到了較近的食物，但因?yàn)闀r(shí)間過(guò)得太久，兩條路徑上濃度相差太大（濃度越大，被選擇的概率就越大），整個(gè)系統(tǒng)基本已經(jīng)停滯了，陷入了局部最優(yōu)。所以簡(jiǎn)單的螞蟻系統(tǒng)是存在一些問(wèn)題的，如：

搜索到一定程度，會(huì)出現(xiàn)停滯狀態(tài)，陷入局部最優(yōu)的情況

盲目的隨機(jī)搜索，搜索時(shí)間較長(zhǎng)

而影響螞蟻是否能夠找到好的最優(yōu)解，依賴這幾個(gè)關(guān)鍵因素：

信息素怎么灑播（比如維持在一個(gè)特地范圍的值等）

信息素怎么揮發(fā)（除了全局揮發(fā)，可以讓螞蟻?zhàn)陨磉M(jìn)行局部揮發(fā)等手段）

通過(guò)怎樣的方式讓螞蟻選擇運(yùn)動(dòng)方向，減少盲目性和不必要性（給螞蟻一點(diǎn)點(diǎn)智能和經(jīng)驗(yàn)）

給螞蟻和環(huán)境一定的記憶能力能夠幫助減少搜索空間

如果你感興趣，可以去看看諸如最大最小蟻群算法、排序蟻群算法、基于遺傳算法的蟻群算法等一系列在基本蟻群系統(tǒng)上的優(yōu)化和改進(jìn)，他們對(duì)于信息素的使用、螞蟻方向選擇等都有一套成熟的數(shù)學(xué)模型和經(jīng)驗(yàn)優(yōu)化參數(shù)。