1. 研究目的与意义
近年来，许多学者对蜜蜂、蚂蚁等一些昆虫的行为进行了大量的研究，特别是它们的集体行为，而这些动物一般都是群居昆虫。
每个昆虫的能力虽然十分有限，但昆虫群体的能力却远远超过所有个体能力的总和。
比如，蚂蚁群可以快速建立起巢穴与食物之间的最短路径。
2. 研究内容和预期目标
研究内容： 蚁群算法作为新兴的仿生算法,虽已成功应用到解决旅行商问题(TSP)等组合优化问题中,但仍有易于出现局部最优、搜索时间长等缺点。
在阐述基本蚁群算法原理、分析蚁群算法信息素新特点的基础上,提出新的更新信息素的方法,并应用于TSP当中,目的是避免蚁群算法出现早熟现象、更合理地运用蚂蚁留下的信息素、改进算法并将其运用于优化TSP的解。
通过仿真实验,将其数据与先前研究进行比较,从而证实改进的蚁群算法的解更优,搜索全局最优解的能力更强,同时也验证了该算法的实用性及高效性。
3. 国内外研究现状
为了得到解决组合优化问题的某种计算机智能方法，Mnaeizzo、Cootmi、Dorigo在意大利的米兰理工学院，发现了蚂蚁系统，也就是本文中提到的蚁群算法，这是第一次提出的蚁群算法思想，是从蚂蚁寻找食物的过程中发现的。
人们由蚁群的集体行为得到了蚁群算法，可以说传统求解组合优化问题的算法可以称之为新型仿生算法，而蚁群算法就是其中一种。
从第一次提出蚁群算法以后，Dorigo等人又对蚁群算法做了不少改进，这些改进可以从以下模块来理解：首先，加强了蚁群算法的实际应用的背景；其次，又有新的算法模型的出现，是从原来蚁群算法的基础上做了较大的改进。
4. 计划与进度安排
2022年11月1日~11月10日 确定选题并提交 2022年11月11日~11月30日 撰写开题报告 2022年12月1 日~2022年1月31日 阅读相关书籍资料，提出可行性的设计方案； 2022年2月1日~3月31日 具体设计与制作工作； 2022年4月1日~4月20日 撰写、提交论文初稿、中期检查 2022年4月21日~ 5月10日 反复修改论文并提交定稿、提交外文文献及译稿；2022年5月11日~5月20日 论文答辩
5. 参考文献
[1]李成兵,郭瑞雪,李敏.改进蚁群算法在旅行商问题中的应用[J].计算机应用,2014,34(S1):131-132 165.[2]宗德才,王康康,丁勇.蚁群算法求解旅行商问题综述[J].计算机与数字工程,2014,42(11):2004-2013.[3]姜坤霖,李美安,张宏伟.面向旅行商问题的蚁群算法改进[J].计算机应用,2015,35(S2):114-117.[4]Chuandong Qin. Hybrid Ant Colony Algorithm for the Traveling Salesman Problem[A]. .Journal of Simulation(VOL.2,NO.3)[C].:ACADEMIC PUBLISHING HOUSE,2014:3.
以上是毕业论文开题报告，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。
