找到食物和窝的最小距离不同，我们编辑地图，包括增加食物点的个数，增加窝点的个数增加障碍物和减少障碍物。仿真结果所示，编辑地图使地图中不存在障碍物，有个食物点和窝点，从而的到蚂蚁觅食行为的仿真结果。所示，在地图库中加载分形叶地图，有个食物点和窝点，得到蚂蚁行为的仿真结果。所示在地图库中加载迷宫地图，有个食物点和窝点，得到蚂蚁行为的仿真结果。所示，编辑地图使地图中出现多个食物点和多个窝的点，同时出现不同的障碍物，从而得蚂蚁行为的仿真结果。没有障碍物得仿真结果分形叶地图仿真结果迷宫地图仿真结果多个障碍物仿真结果结果分析由结果可以看出在编辑不同的地图后，地图越复杂蚂蚁找到食物和窝的次数就越少，释放的食物的信息素和释放的窝的信息素也就越少。仿真的结果与现实中鱼群的行为基本致。仿真三第六章结论及展望群体智能是种对仅仅具有有限感知能力的底层个体进行建模，这些个体遵循简单的行为规则，复杂的群体行为完全是自下而上自发涌现出来的特性。因此，可以在计算机中建立对动物群体的仿真模型，通过计算机的模型相互作用达到最终群集涌现的效果。本文的主要工作本文选择了自然界的蚂蚁作为研究对象，通过研究蚂蚁的群体行为，首先对系统进行建模然后用计算机仿真的方法建立了个具有蚂蚁所拥有特性的虚拟系统，并用图形化的方式进行了演示，通过系统运行演示蚂蚁复杂行为产生过程。对蚁群的觅食行为等规律进行了分析，并建立了种基于向量的数据模型，模型由环境主体行为规则组成。环境为蚁群生存的空间，主体间通过环境相互作用主体包括蚂蚁主体窝主体障碍物主体信息素主体和食物主体行为规则有范围规则，环境规则，觅食规则，移动规则，避障规则，播撒信息素规则。通过对蚂蚁主体的属性和行为规则的抽取，模型尽可能地反映蚂蚁的主要属性。通过编程技术进行了蚂蚁群行为仿真软件的设计，自下而上地构建了个虚拟蚂蚁系统，该软件可方便的对个体些属性参数进行修改。使用已建立好的系统模型进行了仿真，来观察仿真结果所表现出来的不同群体行为，对蚂蚁觅食行为进行了仿真，得到相关数据。可通过设置不同的仿真参数，仿真出不同的效果。通过对模型的仿真，观察涌现出的些现象。与现实中的海洋环境进行比较分析，仿真结果较好地反映了蚂蚁的普遍属性。并对仿真的结果分析，来研究蚂蚁产生的复杂行为及其原因即个体与环境，以及个体之间的交互。结论及展望结论及展望本文基于多建模仿真的基本思想，对蚂蚁群的觅食过程进行仿真研究，结果表明基于多的建模仿真方法对蚂蚁群这类复杂系统的研究具有很好的效果。虽然本文只对蚂蚁觅食过程进行建模和仿真，但得到的结论却具有定的普遍意义，即有些生态系统，其个体的行为也许是简单的，但这些个体之间通过交互有可能突现出复杂的整体行为蚂蚁算法这种受大自然的昆虫启发而得到的随机寻优算法因其正反馈性多协同性和并行性而在很多方面表现出良好的算法性能。气公司荷兰公路交通部和美国些移民事务机构也都采用这种技术进行。英国电信公司和美国世界通信公司以电子蚂蚁为基础，对新的电信网络管理方法进行了试验。群智能还被应用于工厂生产计划的制定和运输部门的后勤管理。美国太平洋西南航空公司采用了种直接源于蚂蚁行为研究成果始有少量公开报道和研究成果。美国五角大楼正在资助关于群智能系统的研究工作群体战略，它的个实战用途是通过运用成群的空中无人驾驶飞行器和地面车辆来转移敌人的注意力，让自己的军队在敌人后方不被察觉地安全者提出对蚁群算法的改进方案。从当前可以查阅的文献情况来看，研究和应用蚁群算法的学者主要集中在比利时意大利英国法国德国等欧洲国家，日本和美国在这两年内也开始启动对蚁群算法的研究。国内于年末才开能已成为当今分布式人工智能研究的个热点，许多源于蜂群和蚁群模型设计的算法己越来越多地被应用于企业的运转模式的研究。当前对蚁群算法的研究，不仅有算法意义上的研究，还有从仿真模型角度的研究，并且不断有学，简称是最近几年才提出来的种新型的模拟进化算法。它是由意大利学者等人受到人们对自然界中真实蚁群集体行为的研究成果的启发而首先提出来的。⋯蚁群算法的应用进展以蚁群算法为代表的群智移动，重复上述数据搬运过程。按照这样的方法可实现对相似数据的聚类。吴斌等人又在简化分类模型的基础上系统地提出了种基于群体智能的聚类算法。蚁群算法的研究应用蚁群算法个二维平面内，然后将虚拟蚂蚁分布到这个空间内，并以随机方式移动，当只蚂蚁遇到个待聚类数据时即将之拾起并继续随机运动，若运动路径附近的数据与背负的数据相似性高于设置标准则将其放置在该位置，然后继续公司和英国电信公司在年代中后期都开展了这方面的研究，设计了蚁群路由算法。和提出将蚁巢分类模型应用于数据聚类分析。度，并以此指导自己的运动方向。蚂蚁倾向于朝着信息素浓度高的方向前进，因此，由大量蚂蚁组成的蚁群的行为便表现出种信息的正反馈现象路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。蚁群就是通过个体之间这种信息交换机制来彼此协作达到搜索食物的目的。和等人在研究该问题的基础之上提出了类模拟自然界蚁群觅食行为的模拟进化算法蚁群算法。蚁群通过信息交换与互相协作找到从蚁穴到食物源的最短路径的机制显然可以被借鉴来求解各种与最优路径相关的组合优化问题。国内外研究现状群体算法研究群体智能研究起源于对社会性昆虫如蚂蚁蜜蜂等的群体行为的研究。现有的对群体智能的研究，大都是从种有大量个体表现出来的群体行为出发，从它们的群体行为中提取模型，为这些行为建立些规则，从而提出算法，应用于解决实际中的问题。群智能理论研究领域有两种主要的算法蚁群算法和微粒群算法。前者是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟，最初是模拟鸟群觅食的过程，但后来发现它是种很好的优化工具。蚁群算法蚂蚁个体在觅食过程中，会在自己经过的路径留下信息素，后面的蚂蚁个体通过感知信息素的浓度来决定自己的路径。由于信息素随时间挥发，所以比较短的路径上信息素浓度也比较大。因此，蚂蚁就可以通过这种方式找到更短的路径觅食，为解决各种寻优问题提供了种新的方法。意大利学者用于求解问题，以后有用于求解二次分配问题皇后问题函数优化问题背包问题。微粒群优化算法由和在年提出的，是种基于种群寻优的启发式搜索算法，该算法源于对鸟群鱼群觅食行为的模拟。首先初始化群随机粒子随机解，然后通过迭代寻找最优解，每次迭代中，粒子通过跟踪两个极值个体极值和全局极值来更新自己的速度和位置。应用在函数的优化问题，神经网络的训练。群体机器人群体智能最初被应用于描述细胞机器人系统。通过对蚂蚁等社会性昆虫行为研究，发现了社会性昆虫的自组织自组装能力。布鲁塞尔自由大学的领导的项目，其目标是建立个由多个类似于昆虫且简单的机器人组成的群体，由多个简单机器人组成的群体机器人系统通过协调协作可以完成单个机器人无法完成或难以完成的工作。研究群体机器人系统，目标是建立经济灵活健壮的系统去完成复杂的任务，主要研究内容为群体机器人之间的交互通信协作与控制机器人的自组装等。群体智能研究应用随着群体智能理论和研究算法的进步成熟，已经将其应用到些工程优化问题中，并且已取得了明显的效果。文献采用对神经网络进行了优化，并利用其设计了电力变压器的智能保护机制。文献利用实现了对各种连续和离散控制变量的优化，从而达到了控制核电机组电流稳定输出电压的目的。