发布时间 : 星期日 文章毕业论文：蚁群算法的研究应用（定稿）-精品更新完毕开始阅读
d 多个障碍物仿真结果
3)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一致。
5.3 仿真三
第六章 结论及展望
群体智能是一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。
6.1 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一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。 1)对蚁群的觅食行为等规律进行了分析，并建立了一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。
2)通过java编程技术进行了蚂蚁群行为仿真软件的设计，自下而上地构建了一个虚拟蚂蚁系统，该软件可方便的对个体一些属性参数进行修改。
3)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，观察涌现出的一些现象。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。
6.2 结论及展望 6.2 结论及展望
本文基于多Agent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Agent的建模仿真方法对蚂蚁群这一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一定的普遍意义，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agent协同性和并行性而在很多方面表现出良好的算法性能。其求解的范围也由最初的离散空间组合优化扩大到有约束的、多目标的和连续空间的范畴，而且在多个体的社会学宏观领域里表现出极强的生命力。随着人们在群体的社会性行为、启发式算法以及随机优化等相关领域研究的进展和突破，蚂蚁算法的应用也会越来越广泛。下一阶段的工作将是对蚂蚁行为的进一步细化和智能化，如增加蚂蚁的繁殖与死亡、信息交流等, 并对障碍物环境下的蚂蚁觅食行为进行深入研究, 如增加动态障碍物等。希望通过这些研究能对基于多Agent的建模仿真方法有更深入的了解，从而更好地推广到其他复杂系统研究领域。
参考文献
[15].El-Gallad A I,E1-Hawary,M E Sallam，Kalas．Swarm-intelligently trained neuralnetwork for power transformer protection[A]．Canadian Conference on Electrical and Computer Engineering[C]，Toronto，Om．Canada，2001，265-269．
[16].Yoshida H，Kawata K，Fukuyama Y,Nakanishi．A particle swarm optimization for reactive power and voltage control considering voltage stability[A]．Proc．Intl．Conf．on Intelligem System Application to Power Systems[C]，Maui，Hawaii，1 999，1 1 7-12 1．
[17]．Wu Bin，Zheng Yi，Liu Shaohui，Shi Zhongzhi．CSIM：a document clustering algorithm based on swarm intelligence[A]．Proceedings of the2002 Congress on Evolutionary Computation[C]．Honolulu，HI USA，2002，1，477-482． [23]．吴斌,傅伟鹏,郑毅,刘少辉,史忠植.一种基于群体智能的web文档聚类算法[J],计算机研究与发展,2002,39,11,1429-1435．
[13].曾建潮，介婧，崔志华．微粒群算法[M].北京,科学出版社,2004． [14].刘祚时，张海英，林桂娟．群体机器人研究的现状和发展．机器人技术与应用 2004,1,38-41．
[25].王冬梅．群集智能优化算法的研究.武汉科技大学,2004．
[30].彭喜元，彭宇，戴毓丰．群智能理论及应用．电子学报,2003,31,12A，1982-1988．