蟻群演算法用於路徑規劃時的優缺點

　　蟻群演算法用於路徑規劃時的優點：

　　1、採用正反饋機制，使得搜尋過程不斷收斂，最終逼近最優秀路線。

　　2、每個個體可以透過釋放資訊素來改變周圍的環境，且每個個體能夠感知周圍環境的實時變化，個體間透過環境進行間接地通訊。

　　3、搜尋過程採用分散式計算方式，多個個體同時進行平行計算，大大提高了演算法的計算能力和執行效率。

　　4、啟發式的機率搜尋方式不容易陷入區域性最優，易於尋找到全域性最優秀線路。

　　蟻群演算法用於路徑規劃時的缺點：

　　如果多樣性過剩，系統過於活躍，會導致過多的隨機運動，陷入混沌狀態。如果多樣性不夠，正反饋過強，會導致僵化，當環境變化時蟻群不能相應調整。

　　蟻群演算法可以用於路徑規劃，在本例中，地形矩陣用0表示無障礙物、用1表示有障礙物，機器人從1x1處走到10x10處，使用蟻群演算法找最短路徑。

　　步驟如下：

　　初始化引數、地形矩陣、資訊素矩陣和啟發式因子矩陣。啟發式因子矩陣中一點的值為該點到終點距離的倒數，距離越短，啟發式因子越大，障礙物處的啟發式因子為0。資訊素矩陣被初始化為一個統一的值。

　　在本例中，將一條路徑表示如下：[路徑長度點1點2……]，例如[21200]表示該路徑長度為2，路徑為[12]。

　　對每次迭代中的每隻螞蟻，進行如下3步，直至到達終點或者陷入死衚衕：

　　建立一個禁忌矩陣，禁忌矩陣中已經訪問過的點為0，其餘點與啟發式因子矩陣中相應點的值相同。

　　設定初始點，根據資訊素、啟發式因子、禁忌表，透過輪盤賭方法，選擇下一個城市。

　　更新路徑和禁忌矩陣。

　　每次迭代後，更新資訊素，只對最優路徑中的點進行增加資訊素操作。

　　迭代，直至結束。

　　蟻群演算法應用於其他組合最佳化問題，如旅行商問題，指派問題，車輛路由問題，圖著色問題和網路路由問題等。

　　蟻群演算法具有以下幾個特點：

　　1、採用正反饋機制，使得搜尋過程不斷收斂，最終逼近最優解。

　　2、每個個體可以透過釋放資訊素來改變周圍的環境，且每個個體能夠感知周圍環境的實時變化，個體間透過環境進行間接地通訊。

　　3、搜尋過程採用分散式計算方式，多個個體同時進行平行計算，大大提高了演算法的計算能力和執行效率。

　　4、啟發式的機率搜尋方式不容易陷入區域性最優，易於尋找到全域性最優解。