蚁群算法为什么很多论文都要用遗传算法，蚁群算法

什么是蚂蚁算法？

蚂蚁算法 蚂蚁觅食时，在它走过的路上，留下外激素，这些外激素就象留下路标一样，留给后来"蚁"一个路径的标志。

后面的蚂蚁，就会沿着有外激素的路径行走（外激素越多引诱蚂蚁的能力就越强）。

科学家们对此进行过试验：用人造的外激素在纸上画上一条路径，对蚂蚁进行试验。

结果蚂蚁果然都沿画有外激素的路径行走。

B D 蚁穴 A C 食物 蚂蚁寻食时，由蚁穴出发，可沿AC，也可沿ABC（见上图），设各蚂蚁寻到食物后沿原路回穴，并在路上留下外激素，那么因AC路径短，故当它们沿AC返回时，就在AC上留下两次外激素。

而沿ABC返回者，因其路径长，仅回到D点，于是AD一段只留过一次外激素（即其上的外激素的浓度比AC上的浓度淡），故这时从蚁穴出来寻食者就会沿浓度大的路径AC行走……最后大多数的蚂蚁都会沿较短的路程进行寻食. 利用这个原理科学者们就设计了蚂蚁算法(进行求最短程)。

上面是个简单的原理,当然要设计出切实可行的算法,还要将模型进一步精确,如要计及外激素的挥发(即激素的浓度将随时间而逐步降低等等). 用蚂蚁算法求最短程 1.一群蚂蚁随机从出发点出发，遇到食物，衔住食物，沿原路返回 2. 蚂蚁在往返途中，在路上留下外激素标志 3. 外激素将随时间逐渐蒸发（一般可用负指数函数来描述，即乘上因子e-at） 4. 由蚁穴出发的蚂蚁,其选择路径的概率与各路径上的外激素浓度成正比 蚂蚁算法还可以应用于很多实际问题，例如用于重建通讯路由，管理公司的电话网，对用户记帐 收费等工作，任务分配问题等 不要停，继续思索 进一步，将每个蚂蚁看成是一个神经元，它们之间的通讯联络，看成是各神经元之间的连接，只不过这时的连接不是固定的，而是随机的。

即用一个随机连接的神经网络来描述一个群体。

这种神经网络所具有的性质，就是群体的智能 科学家们从蜻蜓翅膀末端的一块比周围略大一些的厚斑点得到了启示，从而解决了飞机机翼因剧烈抖动而破碎的现象。

急！请各位懂MATLAB的朋友帮帮忙，蚁群算法中的一段程序看不懂

我也是这里不太懂，刚才看贴吧里的讨论似懂非懂。

总结一下意思大概是：相比直接选择概率P最大的节点（不是你说的最小啊），这种做法像轮盘一样，加入了随机性，也就是说并不一定会选择P最大的节点，但P较大的节点和其附近的节点有更大的概率被选中（根据累加的性质）。

遗传算法和蚁群算法的区别

遗传算法(ic Algorithm，GA)是由Holland J．H．于20世纪70年代提出的一种优化方法，其最优解的搜索过程模拟达尔文的进化论和“适者生存”的思想。

蚁群算法(Ant Colony Optimization, ACO)，是一种用来在图中寻找优化路径的机率型算法。

两种算法从概念上都属于随机优化算法，遗传算法是进化算法，主要通过选择、变异和交叉算子，其中每个基因是由二进制串组成；蚁群算法是基于图论的算法，通过信息素选择交换信息。

蚁群算法的应用范围

蚁群算法的应用非常广泛，包括：数据挖掘，模糊建模，群体智能，聚类分析，网络路由优化，物流配送车辆调度及无线传感器网络。

其中的应用都有很多成功的实例。

蚁群算法 如何更新信息素

学习蚁群算法首先要搞清除蚁群算法的原理，原理很简单，就是模拟蚂蚁寻找食物的行为，这个并不难理解。

其次要搞清楚怎么把这个过程用代码实现出来，这个才是关键。

这只有一个办法，那就是阅读别人的代码， 这需要具有一定的编程基础，要是对编程一窍不通或者是初学，那阅读和理解起来会费劲一些。

其实基本蚁群算法的实现代码并不多，全部代码加起来也就200多行，这其中还包括注释行和空行， 真正的代码部分少于200行，如果看一遍不懂就看两遍。

我想只要用心看上10遍，肯定可以看明白。

不要觉得蚁群算法的代码很复杂，其实很简单，看的时候动脑筋想一下就可以了。

为什么很多论文都要用遗传算法，蚁群算法

蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。

它由Marco Dorigo于1992年在他的博士论文中提出，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。

神经网络 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。

然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。

这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

人工神经网络就是模拟人思维的第二种方式。

这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。

虽然...蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。

它由Marco Dorigo于1992年在他的博士论文中提出，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。

神经网络 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。

然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。

这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

人工神经网络就是模拟人思维的第二种方式。

这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。

虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。

目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。

从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

（2）建立理论模型。

根据生物原型的研究，建立神经元、神经网络的理论模型。

其中包括概念模型、知识模型、物理化学模型、数学模型等。

（3）网络模型与算法研究。

在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。

这方面的工作也称为技术模型研究。

（4）人工神经网络应用系统。

在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。

纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。

我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

遗传算法，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。