蚁群算法中基于分布估计的量子信息素控制研究

翟亚红，徐龙艳

（湖北汽车工业学院电气与信息工程学院，湖北十堰442002）

0 引 言

蚁群算法已发展成为求解复杂优化问题的有效工具，但由于其信息素控制方法主要是面向离散问题设计的，故难以对连续优化问题进行高效求解。因此，研究人员提出了一些新的信息素表示方法，其中基于可行解的信息素表示是常见的一种方法［1］。该方法特点是结构及控制过程相对简单，曾作为蚁群算法求解连续优化问题的主要解决方案。但这种依靠若干个可行解的信息素驻留方式，限制了蚂蚁搜索的视野，容易使蚁群算法陷入局部最优解。Krzysztof Socha与Dorigo共同提出了一种面向连续问题的基于分布估计的信息素模型［2］，是对连续问题求解比较流行的另一种方法，它所采用的分布估计方法能够从宏观角度把握进化方向，有助于提高对蚂蚁搜索的全局搜索能力。然而，由于其概率模型比较单一，缺乏对蚂蚁搜索的多样性指导，亦容易使蚁群算法陷入局部最优解。

在蚁群算法中，信息素是实现群集智能的关键，是人工蚂蚁实现间接通信、完成群体协作的重要媒介。已有的研究表明，信息素的留存、初始化、播撒及挥发等控制策略，在很大程度上影响着蚁群算法的优化性能。因此，进一步优化信息素控制策略，对于改善蚁群算法的优化性能、扩展其应用领域，具有重要的研究价值和现实意义。基于课题组的前期工作，本文以信息素控制策略为研究重点，通过引入分布估计方法以及量子态叠加机制等，对蚁群算法在连续问题求解中的信息素控制方法进行新的探索。……