毕业论文课题相关文献综述
1.1 研究课题的意义
混沌是指在确定性系统中出现的一种貌似无规则的类似随机的现象。由于这个性质，使它可以被应用于科学的各个领域。近年来生物学家 Cloe 发现整个蚁群行为是一种周期行为，然而单个蚂蚁的行为却是混沌的，显然混沌现象用 Dorigo 依据概率理论建立的蚁群优化模型是无法解释的。混沌群体智能的这种复杂的动力学特性使它在信息处理和优化计算等方面有着广泛的应用前景[8]。蚁群优化算法能成功解决大量的NP组合优化和路由器选择问题。但由于蚁群算法自身的不足，我们可以加入混沌理论来进行改进，最终使得蚁群算法能够解决求解速度慢等缺陷。
1.2 蚁群算法的概念与应用
蚁群算法是受自然界中的蚂蚁的行为启发而发展起来的一种新的启发优化算法[1]，由意大利学者M.Dorigo等人首先提出的，称为蚁群系统（ant system）。人们通过大量的研究发现，蚁群寻找食物时会派出一些蚂蚁分头在四周游荡，如果一直蚂蚁找到食物，它就返回巢中同志同伴并沿途留下信息素（pheromone）作为蚁群前往食物所在地的标记。信息素会逐渐挥发，如果两只蚂蚁同时找到食物，又采取不同路线回到巢中，那么比较绕弯的一条路上信息素的气味会比较淡，蚁群将倾向于沿另一条更近的路线前往食物所在地。蚁群算法设计虚拟的蚂蚁，让它们摸索不同路线，并留下会随时间逐渐消失的虚拟信息素。根据信息素较浓的路线更近的原则，即可选择出最佳路线[2]。
目前，蚁群算法已成功地在通讯、交通、及人工智能等领域中应用。最突出的是求解NP-困难的组合优化问题。利用旅行商问题（TSP）问题[2]与蚁群觅食的相似性，运用了正反馈原理和分布式算法，通过模仿蚂蚁的行为解决了TSP这个具有典型代表的组合优化问题。随后，他们又相继解决了二次分配问题（QAP）[3]、车间调度问题[4]等，并做了大量的研究.结果表明，该算法具有明显的优越性。他们的成功引起人们的极大兴趣。在动态优化问题中的应用主要集中在通讯网络方面。这主要是由于网络优化问题的特殊性，如分布计算，随机动态性，以及异步的网络状态更新等。例如将蚁群算法应用于QOS组播路由问题上，就得到了优于模拟退火（SA）和遗传算法（GA）[5]效果。瑞士洛桑大学的Keller等还将蚁群算法的程序编入微型机器人中，众多微型机器人便可象蚂蚁一样协同工作，去完成复杂任务。这项成果被报道后，在国际上引起了强烈反响，以至于在很多领域中掀起了研究热潮。由此可看出人们对这一崭新算法的宠爱程度。
1.3 蚁群算法的优缺点
1） 优点：蚁群算法具有很强的发现较好解的能力[6]，还具有较强的鲁棒性，对蚁群算法的模型稍加修改，就可以应用于其他问题；它是全局优化方法，不仅可以求解单目标优化问题，而且可以用于多目标优化问题求解[7]。
2）缺点：初期信息素匮乏，求解速度慢[6]；该算法在搜索进行到一定程度以后，容易出现停滞现象[1]。
1.4 混沌的概念及应用
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
