抓窗体后，所抓的图会保存在抓图窗体中的里，然后单击保存按扭，则可以自己选择想要保存的路径如图所示。图保存图像如果只想抓最优路径演化图，可以单击抓最优路径图抓平均路径图城市及路径状态图蚂蚁运动图时方法同此图，然后所抓的图就会显示在此界江西财经大学本科毕业设计面的图片框中如图所示。图直接抓最优路径图当已经抓好了图后，可以单击保存最优路径，然后就会弹出路径窗体如图所示，可以自己选择想要保存的路径，点击确定就会保存所抓图片。图图片保存当点击清空最优路径图的时候，图片被清空如图所示。江西财经大学本科毕业设计图清空图像当抓完图后，可以进入图片演示，然后可以在左边选择刚才保存图像的路径，然后此路径下的图片名称就会显示在左边下面的中，然后单击就可以在右边的图片框中张张的显示刚才保存的图像如图所示。图图片演示当运行前的时候再参数设置里输入参数如图所示，然后在运行结束后，这些参数会自动保存在文本文档中如图所示。江西财经大学本科毕业设计图输入参数图数据保存本章小结本章主要是在陈烨的蚁群算法实验室上做出了优化和改进，使得在算法运行时能自动把参数的设置保存到文本文档中，而且能自己选择性的把算法运行所对应的图形保存到指定文件夹中，并进行图片演示，使得此软件能更方便的应用于对参数改动后的比较和不同蚁群算法之间的比较，也实现了算法的可视化。江西财经大学本科毕业设计结论与展望本文的工作总结如下介绍群智能，并通过蚂蚁的自组织行为引出蚁群算法，对其基本原理进行阐述。详细介绍了蚁群算法的原理及其优缺点。通过大量仿真实验得出如下结论蚂蚁数目信息素残留因子信息启发式因子期望启发式因子信息素残留因子信息素强度等都是非常重要的参数，其选取方式和选取原则直接影响到蚁群算法的全局收敛性和求解效率。得出了参数和的选择规律，并确定了它们的选取范围。得出当把和作为组参数进行调整比把它们分开调整更优。④在以前学者研究的三步走的基础上通过大量实验提出了四步走这种选择蚁群算法最优组合参数的有效方法，而且经过实验证明，四步走比以前学者提出的三步走更优。对五种蚁群改进算法原理进行分析，并在大量实验仿真的基础上得出如下结论对蚁群算法及其五种改进算法各自求解问题的性能进行了对比分析，得出以上六种算法性能结果排名。还发现当问题最优解相同时可以依据其他性能迭代次数迭代时间等得出最优结果。中的对称问题作为测试对象，通过仿真试验对六种算法各自求解问题介绍蚁群算法原理及其优缺点。第三章蚁群算法的参数设置研究江西财经大学本科毕业设计本章针对参数设置进行大量实验，并对实验结果做出研究分析，得出参数的选择规律，在此基础上，提出新的有效了勃勃生机。本文研究工作本文围绕蚁群算法的原理改进及其应用展开研究，全文共分六章，各章内容安排如下第章绪论本章首先对群智能进行介绍，然后阐述蚁群算法产生的背景。第二章蚁群算法概述本章详细很大优势，特别是年在比利时布鲁塞尔专门召开了第届蚂蚁优化国际研讨会后，现在每两年召开次这样的蚂蚁优化国际研讨会。这标志着蚁群算法的研究已经得到国际上的广泛支持，使得这种新兴的智能进化仿生算法展现出信息量会挥发，当蚂蚁每次随机选择要走的路径时，倾向于选择信息量比较浓的路径。根据信息量浓度更近的原则，既可选择出最佳路线。虽然蚁群算法的研究时间不长，但初步研究已显示它在求解复杂优化问题方面具有物的过程与著名的旅行商问题之间的相似性，吸收了蚂蚁的行为特征，设计虚拟的蚂蚁摸索不同的路线，并留下会随时间逐渐消失的虚拟信息量。虚拟的等人从生物进化机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为后，于年首先提出的，也叫蚂蚁系统，。等人充分利用蚁群搜索食简记和粒子群算法，简记。而以蚁群算法为代表的群体智能已成为当今分布式人工智能研究的个热点，它是由意大利学者单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性。蚁群算法的提出目前，群智能理论研究领域包括两种主要算法蚁群算法，可以不通过个体之间直接通信，而是通过非直接通信进行合作，这样的系统具有更好的可扩充性。由于系统中个体的增加而增加的系统通信开销在这里是十分小的，系统中每个个体的能力十分简，这样更能够适应当前网络环境下的工作状态。江西财经大学本科毕业设计没有中心的控制与数据，这样的系统更具有鲁棒性，不会由于个或者几个个体的故障而影响整个问题的求解。可，这样更能够适应当前网络环境下的工作状态。江西财经大学本科毕业设计没有中心的控制与数据，这样的系统更具有鲁棒性，不会由于个或者几个个体的故障而影响整个问题的求解。目录绪论引言群智能蚁群算法的提出本文研究工作蚁群算法概述蚁群算法基本原理蚁群算法的优点与不足本章小结蚁群算法的参数设置研究硬件软件环境平台蚂蚁数目对基本蚁群算法的影响信息启发式因子和期望值启发式因子信息素残留系数总信息量本章小结蚁群算法实验分析改进的蚁群优化算法最优解保留策略蚂蚁系统蚁群系统最大最小蚂蚁系统基于排序的蚂蚁系统实验仿真及算法性能比较分析硬件软件环境平台重要参数设置实验结果本章小结可视化编程蚁群算法实验室的优点与不足最大最小蚁群算法的图形化演示的改进本章小结结论与展望参考文献致谢附录江西财经大学本科毕业设计绪论自蚁群算法提出以来，就引起了国内外学者的广泛关注，提出了很多改进算法。参数的设置直接影响到算法的性能，所以对参数设置的研究越来越重要，而目前对它的研究大多还处于实验分析阶段。引言随着人们对生命本质的不断了解，生命科学也以前所未有的速度迅猛发展，使人工智能的研究开始摆脱经典逻辑计算的束缚，大胆探索起新的非经典计算途径。在这种背景下，社会性动物的自组织行为引起了人们的广泛关注，许多学者对这种行为进行数学建模并用计算机对其进行仿真，这就产生了所谓的群智能。受蚂蚁总能找到条从蚁巢到食物源的最短路径的启发，意大利学者与世纪年代提出了种新型的智能优化算法蚁群优化算法，。在不长的时间里，蚁群算法得到了不断发展和完善，而且被用于解决大多数优化问题或者能够转化为优化求解的问题，现在其应用领域已扩展到多目标优化数据分类数据聚类模式识别电信管理生物系统建模流程规划信号处理机器人控制决策支持以及仿真和系统辩识等方面。群智能群智能指的是无智能的主体通过合作表现出智能行为的特性，是种基于生物群体行为规律的计算技术。它受社会昆虫，例如蚂蚁蜜蜂和群居脊椎动物，又如鸟群鱼群和兽群等的启发，解决分布式问题。它在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了种新的思路。有些专家在研究自然界的生物群体系统时，惊奇地发现社会昆虫和群居的脊椎动物能发现新的食物源在群体内部产生劳动分工，建筑庞大复杂的巢穴跨越几千公里迁徙到指定地区和在狭窄的空间内协调调度等。这些社会性动物的自组织行为引起了人们广泛的关注，许多学者对这种行为进行数学建模并用计算