自话蚁群算法（带简单模拟实验）

摘要：自话粒子群算法超简单实例自话遗传算法带实例简单蚁群算法模拟实验这个模拟实验比较简单，并没有对信息素路径选择等做优化，主要是方便大家查看简单的蚂蚁系统能够带来一个什么样的效果详细说明见后文。

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

这算是填3年前的一个坑吧，已经懒癌晚期了，想必也还是要挣扎下，那今天先从蚁群算法这个坑说起，如果你是要寻找怎么优化蚁群算法，可以直接跳过本文，如果你还不了解什么是蚁群算法，或许本文能够提起你的兴趣。

如果你同样对遗传算法和粒子群算法感兴趣，请查看3年前我对于这两个算法见解的文章。

自话粒子群算法（超简单实例)

自话遗传算法（带实例）

简单蚁群算法模拟实验：

Demo

Github

这个模拟实验比较简单，并没有对信息素、路径选择等做优化，主要是方便大家查看简单的蚂蚁系统能够带来一个什么样的效果,详细说明见后文。

按百度百科的话来说，蚁群算法(ant colony optimization, ACO)，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，并且现在已用于我们生活的方方面面。

蚂蚁在运动过程中，会留下一种称为信息素的东西，并且会随着移动的距离，播散的信息素越来越少，所以往往在家或者食物的周围，信息素的浓度是最强的，而蚂蚁自身会根据信息素去选择方向，当然信息素越浓，被选择的概率也就越大，并且信息素本身具有一定的挥发作用。 蚂蚁的运动过程可以简单归纳如下：

当周围没有信息素指引时，蚂蚁的运动具有一定的惯性，并有一定的概率选择其他方向

当周围有信息素的指引时，按照信息素的浓度强度概率性的选择运动方向

找食物时，蚂蚁留下家相关的A信息素，找家时，蚂蚁留下食物相关的B信息素，并随着移动距离的增加，洒播的信息素越来越少

随着时间推移，信息素会自行挥发

一个简单的例子，如果现在有两条通往食物的路径，一条较长路径A,一条较短路径B,虽然刚开始A,B路径上都有蚂蚁，又因为B比A短，蚂蚁通过B花费的时间较短，随着时间的推移和信息素的挥发，逐渐的B上的信息素浓度会强于A，这时候因为B的浓度比A强，越来越多多蚂蚁会选择B，而这时候B上的浓度只会越来越强。如果蚂蚁一开始只在A上呢，注意蚂蚁的移动具有一定小概率的随机性，所以当一部分蚂蚁找到B时，随着时间的推移，蚂蚁会收敛到B上，从而可以跳出局部最优。

上面的描述可能不是很形象，现在我们来模拟做个小实验，实验地址Demo，源码已放在 Github

简单蚁群实验环境：

满足上面4点基本规则,信息素散播规则按照屏幕斜线距离/蚂蚁移动距离，移动距离在找到食物或者家清0(言外之意式，蚂蚁最多能够移动斜线这么远的距离，这个公式比较简单)

超过一定的移动步数未找到食物或窝的蚂蚁进行重置

选择方向的计算公式采用单元格浓度/8个方向单元格浓度总和,用轮盘赌进行概率选择

信息素在每次迭代时，进行统一挥发一个常量值

现在我们来看看蚂蚁是否能够找到最近的食物。

1.首先我们放置一个较远的食物A，图中的绿色为食物，白色为蚂蚁，暗蓝色为家相关的信息素，颜色深浅代表浓度。

注意：我们上面采用的信息素洒播规则，会让家相关的信息素浓度围绕着家呈梯形分布，这样蚂蚁在回家时，能够根据浓度找到家，食物相关信息素也一样。感兴趣的朋友可以在源码里修改信息素显示参数，显示食物相关的信息素分布图。

2.过一会儿，我们发现蚂蚁都聚集在这条路径上，然后我们放一个离得很近的食物B

3.最后我们会发现这条路径上的蚂蚁越来越多，再过一会儿，A路径上基本没有什么蚂蚁了。

你有可能问，那障碍是干嘛用的，我当时只是想干一件小时候经常干的事情，如

1.一群蚂蚁找到了食物

2.我拦住了他们的去路

3.最后他们还是找到了食物，坏笑

如果你亲自动手做实验，你会发现，当蚂蚁在一条路径上觅食很久时，你再放置一个近的食物基本没啥效果，你也可以理解为当一只蚂蚁找到一条路径时，过了很久的时间，大多数蚂蚁都选择了这条路径，就在这时候，突然有一只蚂蚁找到了较近的食物，但因为时间过得太久，两条路径上浓度相差太大（浓度越大，被选择的概率就越大），整个系统基本已经停滞了，陷入了局部最优。所以简单的蚂蚁系统是存在一些问题的，如：

搜索到一定程度，会出现停滞状态，陷入局部最优的情况

盲目的随机搜索，搜索时间较长

而影响蚂蚁是否能够找到好的最优解，依赖这几个关键因素：

信息素怎么洒播（比如维持在一个特地范围的值等）

信息素怎么挥发（除了全局挥发，可以让蚂蚁自身进行局部挥发等手段）

通过怎样的方式让蚂蚁选择运动方向，减少盲目性和不必要性（给蚂蚁一点点智能和经验）

给蚂蚁和环境一定的记忆能力能够帮助减少搜索空间

如果你感兴趣，可以去看看诸如最大最小蚁群算法、排序蚁群算法、基于遗传算法的蚁群算法等一系列在基本蚁群系统上的优化和改进，他们对于信息素的使用、蚂蚁方向选择等都有一套成熟的数学模型和经验优化参数。