1、蟻群算法是利用群體智能解決實(shí)際問題的一個典型實(shí)例。20世紀(jì)90年代由意大利的.Dorigo等學(xué)者提出，是繼遺傳算法、模擬退火、神經(jīng)網(wǎng)絡(luò)之后的一種新的元啟發(fā)式搜索算法。自提出以來，在分布式控制、智能優(yōu)化、數(shù)據(jù)挖掘等方面得到了廣泛的應(yīng)用。盡管如此，蟻群算法在理論和應(yīng)用方法上還有很多亟待完善之處，如易于陷入停滯、收斂速度慢等問題。針對蟻群算法存在的易于停滯、收斂速度慢等問題，本文從蟻群優(yōu)化在TSP問題中的應(yīng)用角度出發(fā)，提出了相應(yīng)的改進(jìn)方法，并

2、將改進(jìn)后的算法用于聚類分析。本文主要研究內(nèi)容包括以下四個方面：
　　 1.在算法開始時，將揮發(fā)率設(shè)為一個較大的值，這樣可以使算法的全局搜索能力得到增強(qiáng)，但是隨著算法的進(jìn)行，將不斷衰減揮發(fā)率，使得算法可以較快地收斂到最優(yōu)解。這樣既增加了算法的全局搜索能力，又可以在一定程度上加快算法的收斂。
　　 2.引入強(qiáng)化學(xué)習(xí)中“獎勵先進(jìn)，懲罰后進(jìn)”的思想到蟻群算法的信息素更新機(jī)制中，通過這種快速的兩極分化來加快算法的收斂。在蟻群每次迭

3、代完成后更新信息素的時候，獎勵最好路徑的同時還要給當(dāng)前路徑一個隨機(jī)量的獎勵，懲罰最差路徑的同時還要給予一個隨機(jī)量的懲罰。
　　 3.啟發(fā)式信息在指導(dǎo)螞蟻的路徑搜索方面會產(chǎn)生一定的影響，在算法后期啟發(fā)式信息不再是保持恒定，而是隨著迭代過程不斷調(diào)整，確保算法快速的收斂于最優(yōu)解。
　　 4.螞蟻在搜索時都遵守“邊界-中心-邊界”的軌跡模式。在使用變異策略時，主要針對“邊界路徑”進(jìn)行變異，這樣既可以提高變異的效率，也可以獲得更優(yōu)