蟻羣優化

通過對螞蟻複雜的社會行為的研究．科學家們發現基於其行為模式的模型可以用來求解複雜的組合優化問題。為了解決計算機科學中的最短路徑問題，基於螞蟻行為特徵所發展起來的算法演變成一個被廣泛認可並非常成功的新的研究領域--蟻羣優化（ACO）。本書從理論和實際應用兩方面介紹了這個迅速發展的領域。

本書首先介紹瞭如何將螞蟻的行為轉換成有效的優化算法，然後介紹蟻羣元啓發式算法及其在組合優化中的應用。隨後介紹了主要的ACO算法並給出了最新的理論進展。書中綜述了當前的ACO應用，包括路由問題、任務委派、調度安排、子集問題、機器學習和生物信息學問題等，詳細描述了用於網絡路由的蟻網蟻羣優化算法AntNet。最後，對該領域的研究進展進行了總結，並給出了未來的研究方向。書中每一章都給出了建議閲讀的參考書目、章節重點和練習題目。

本書可作為高等院校計算機及相關專業的高年級學生、研究生的教材，也可供高校教師及科研院所的研究人員參考。

1 從真實螞蟻到人工螞蟻

1.1 螞蟻的覓食行為及其優化過程

1.2 向人工螞蟻轉換

1.3 人工螞蟻和最小成本路徑

1.4 書目評註

1.5 需要牢記的知識點

1.6 思考與計算習題

2 蟻羣優化元啓發式算法

2.1 組合優化

2.2 ACO元啓發式算法

2.3 如何應用ACO

2.4 其他元啓發式算法

2.5 書目評註

2.6 需要牢記的知識點

2.7 思考與計算習題

3 旅行商問題中的蟻羣優化算法

3.1 旅行商問題

3.2 TSP中的ACO算法

3.3 螞蟻系統及其直接後續算法

3.4 螞蟻系統的擴展

3.5 並行執行

3.6 實驗測評

3.7 添加局部搜索的ACO

3.8 ACO算法的實現

3.9 書目評註

3.10 需要牢記的知識點

3.11 思考與計算習題

4 蟻羣優化理論

4.1 ACO的理論思考

4.2 問題和算法

4.3 收斂性證明

4.4 ACO與基本模型的搜索

4.5 書目評註

4.6 需要牢記的知識點

4.7 思考與計算習題

5 NP-難問題的蟻羣優化

6 數據網絡路由中的ACO算法

7 總結與對未來的展望

附錄 有關ACO領域的信息來源

參考文獻

索引 ^[1]