1、例，使问题的目标函数值达到最大或最小的效果。下面以啤酒原料配方设计为例对正交离散过程蚁群算法进行仿真应用验证。啤酒配方主要包括多种大麦和大米等原料，这些原料糖化处理制成麦汁，再经过发酵制成啤酒。以企业所要求的具体生产指标和原料种类为例对该算法进行仿真验证。假设该企业可提供的原料种类有以下几种宁麦加麦宁麦澳麦宁麦哈默林九源甘三九得利宝应甘三小麦麦芽和大米。不同原料具有各自不同的营养参数属性，具体营养标准如表所示表啤酒原料营养参数标准麦芽品种单价元产槽率氨基氮总可溶性氮葡萄糖糖化力宁麦加麦宁麦澳麦宁麦哈默林九源甘三九得利宝应甘三小麦麦芽大米该啤酒企业要求的啤酒原料配方各项生产指标主要有个约束条件保证糟层的厚度不低于保证麦汁氨基氮的含量。
2、，根据相关配方手册和实践经验，啤酒原料用量的最佳比例应该在这五个数量比例范围之内，然后将其作为正交设计中的五个水平，即因素水平的正交试验。采用正交表，创建正交离散配方搜索图，产生个正交离散点，进行次试验，并产生个初始配方组合，即产生条初始化优化路径。各原料参数正交试验水平表如表所示表各原料参数正交试验水平表宁麦澳麦宁麦哈默林宝应甘三九得利九源甘三小麦水平因素根据啤酒原料配方设计的数学模型采用基于正交离散过程的蚁群算法求解程序，即根据图正交离散过程蚁群算法的程序结构流程图进行运算，运算步骤如下所示根据相关标准和实践经验从研究对象中挑选个因素，每个因素个水平如表所示，构建正交离散原料配方搜索图，由此可产生个正交离散节点，形成个初始化优化。
3、开发不同的蚁群算法模型是条新的研究思路同时，在连续域蚁群算法的收敛性证明方面仍存在许多空白，今后蚁群算法的理论分析和收敛性证明仍是个挑战性的研究方向此外，在研究蚁群算法的并行实现问题方面，还需要解决在蚁群算法并行化过程中对并行计算模型的选择映射方法的改进蚁群算法的分解等问题，这些问题也是今后研究的方向另外蚁群算法的应用深度还不够，还需要进步拓宽应用领域，对于如何抽象实际问题，使蚁群算法的求解结果更接近于实际工程意义是广大蚁群算法学者们所关注的个重要问题。致谢首先，在此毕业论文完成之际，我要深深地感谢我们组的指导老师张老师耐心地指导我顺利地完成论文，感谢老师给了我这样个宝贵的学习机会。张老师严谨的治学态度实事求是的学术作风敏锐的洞察力和忘。
4、产情况，个批次所需的啤酒原料总质量,过滤槽设备的直径。采用正交离散过程的蚁群算法独立进行次迭代优化，运算后的具体结果如表所示表啤酒原料最佳优化配方详细配方啤酒原料用量宁麦澳麦宁麦哈默林宝应甘三九得利九源甘三宁麦加麦小麦大米约束条件营养水平含量糖化力氨基氮葡萄糖麦汁总氮糟层厚度配方总成本元采用正交离散过程的蚁群算法获得的最低成本为元，而目前该企业所采用的配方原料成本为元，优化后明显降低了成本，各种生产指标也符合相关营养标准的要求。由此可见，采用正交离散过程的蚁群算法在啤酒原料配方优化问题中的应用取得了令人满意的效果，其工业应用价值非常好，在定程度上提高了企业生产效率。与传统的基本蚁群算法相比，该优化算法大大提高了执行效率，同时为蚁。
5、中各原料用量的相关标准确定约束条件为约束值，也就是配方应该满足的各项指标原料重量营养价值等指标为各种原料的相应化学成分含量为约束方程的个数。正交离散过程蚁群算法的具体实现正交离散过程蚁群算法的实现步骤正交离散过程蚁群算法具体实现步骤如下所示第步明确正交离散过程蚁群算法需要解决的实际问题。第二步根据实际问题确定目标函数，根据实际限定因素确定约束函数条件，建立正交离散过程蚁群算法的基本数学模型。第三步根据正交设计优化路径设置，将研究对象正交离散化处理。第四步初始蚂蚁在正交试验设计中所确定的几条优化路径中释放定量的信息素，对蚁群算法参数进行初始化。然后运行蚂蚁根据初始蚂蚁建立的路径信息素强度和启发信息按照伪随机比例规则运行，进行全局范围。
6、径。让初始蚂蚁在这条试验路径上初始化定量的信息素，优化路径设置，运行蚂蚁根据此信息素强度寻优，将试验对象正交离散化。让只蚂蚁从点开始出发，每只蚂蚁独立地按照式和式组成的伪随机比例规则追踪生成配方方案。排除不满足该企业生产指标的不可行方案，然后按照公式计算可行方案的目标函数值并保存其最小值，把方案记为当前最好方案。对于找到可行方案的蚂蚁所经过的路径按照公式和进行信息素局部和全局更新优化。若满足结束条件，即如果循环次数，则循环结束，输出程序计算的最佳结果。在运算时可采用以下参数值配方搜索图上节点个数,信息素挥发系数，信息素痕迹强度，启发信息权重，参数，信息增量和路径信息素的初始值,，根据该企业的实际生。
7、范围内保证麦汁总可溶性氮含量在范围内保证麦汁葡萄糖含量范围内保证原料的糖化力在范围内。参考该啤酒企业的原料配方设计手册，定义算法所研究问题的数学模型如下目标函数为最低成本函数约束条件为各种期望生产指标在以上各式中，表示批次所需要的啤酒原料总质量表示过滤槽设备的直径表示第种原料的成本单价表示配方中第种原料所占的百分比含量表示第种原料糖化力的数值表示第种原料总氮含量表示第种原料氨基氮的含量表示第种原料葡萄糖含量表示第种原料产槽率。优化的最终目标就是实现原料的总成本最低，即定义函数为最终目标函数。啤酒原料麦芽品种所占的百分比含量。
8、在范围内均匀变化，属于典型的连续变量优化问题，由于从到之间和支持是分不开的，与你们相处的这段快乐充实的时光让我难以忘怀，在与大家合作的过程中深深地体会到了团队合作的重要性。最后，感谢老师们和同学们对我的帮助让我能够顺利地完成学业，感谢所有关心和帮助过我的人,参考文献刘小梅，张君静蚁群优化算法基本原理及其应用西部探矿工程报段海滨蚁群算法原理及其应用北京,科学出版社，陈昭，姜麟蚁群算法参数分析科学技术与工程，董如何，肖必华，方永水正交试验设计的理论分析方法及应用自然科学报，郑松，侯迪波，唐旭华，叶波，周泽魁种改进蚁群算法及其在配方优化中的应用江南大学自然科学报,倪庆剑，邢汉承，张志政,王蓁蓁蚁群算法及其应用研究进展计算机应用与软件，许世杰，。
9、局最短路径的长度。信息素局部更新规则单个蚂蚁在节点之间遍历时按照信息素局部更新规则对所经过路径上的信息素进行更新,其中参数是信息素挥发系数。实验表明，,是初始化信息素时算法的效果比较好。应用信息素局部更新规则会使蚂蚁经过路径上的信息素减少部分，这样后来的蚂蚁选择这些路径的可能性就会地减少了，从而增强了算法的探索能力，有效地避免了算法进入局部停滞状态，避免蚂蚁收敛到同条路径。正交离散过程蚁群算法的数学模型目标函数根据所研究问题的实际限定因素而设定，例如目标函数表示经济目标比如最大利润最低成本等表示各种原料的价格系数表示各种原料在配方中的比例为变量数。根据配方。
10、的搜索寻优移动。第五步适时调节参数，动态调整状态转移概率，优化路径设置。第六步动态地进行信息素局部和全局更新优化，以提高寻优效率。第七步如果满足结束的条件，计算目标函数值，否则回到第二步。第八步最终输出程序计算的最佳结果。正交离散过程蚁群算法的程序结构流程图正交离散过程蚁群算法的程序结构流程图如图所示图正交离散过程蚁群算法的程序结构流程图开始明确研究问题定义目标函数约束函数条件，建立数学模型正交离散化初始化蚁群算法参数状态转移概率优化信息素动态更新优化进行选路寻优计算满足结束条件计算目标函数值输出程序计算最佳结果结束迭代正交离散过程蚁群算法的仿真应用配方试验设计就是连续域变量优化问题，在满足实际意义的约束条件下，求解各种原料配方的最佳比。
11、算法更好地解决连续域变量问题提供了种可行的参考方法。第四章本文的工作总结与展望本文的工作总结本文首先介绍了基本蚁群算法的基本原理及其系统学特征，并针对传统蚁群算法耗时长收敛慢执行效率低等缺陷，提出了基于正交离散过程的蚁群算法。介绍了该优化算法的基本原理，并提出了该算法的具体实现办法和步骤。通过在啤酒原料配方设计的仿真应用显示了该优化算法大大提高了执行效率和收敛速度，表明该算法在解决实际连续域变量问题中发挥了非常重要的作用，该令人满意的验证结果为蚁群算法在解决连续域变量问题方面开辟了种可供参考的方法。展望自蚁群算法创立这么多年以来，在算法理论和算法应用方面取得了很多突破性的进展。针对自然界中真实蚁群的其他许多智能行为，用发散思维和逆向思维。
12、弘基于过程优化的蚁群算法研究与应用山东师范大学硕士学位论文,郑松，李春富，于涵诚，葛铭啤酒原料配方的蚁群优化设计研究计算机工程与应用周明天，路纲，牛新征蚁群算法研究的新进展和展望计算机应用研究,有无穷多个节点，如果让蚂蚁在范围内逐个进行访问的话，必然会造成庞大的计算量而无限延长计算时间，求解的结果也会比较分散，因此无法用传统的蚁群算法对其进行研究，必须把原料用量正交离散化处理。在对研究对象进行正交离散化处理的过程中，根据啤酒原料营养标准手册和相关实践经验确定几个对试验指标效果影响比较大的因素数以及水平数。以宁麦澳麦宁麦哈默林宝应甘三九得利九源甘三小麦六种主要啤酒原料配方为基础，作为正交试验设计中的六个因素，每种原料可确定五个用量比例等级。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
一种基于正交离散过程的蚁群算法