蟻群算法與其他原理相結合在機械優化設計中的應用

摘 要：通常我們在機械結構優化設計中，常借助基本蟻群算法進行優化設計，雖然能使得到的結構能夠達到預期的目標與要求。但是這種基本蟻群算法通過實踐發現容易出現搜索求解速度慢等缺點。所以若將蟻群算法與元胞原理或者遺傳算法等其他原理相結合起來，然后將其應用于我們通常的機械結構設計中，我們可以獲得更為優異的效果，為我們在進行復雜的機械優化設計時提供了新的思路和方法。

關鍵詞：蟻群算法；遺傳算法；元胞原理；四桿機構

中圖分類號：tg316 文獻標識碼：A 文章編號：1006-8937（2014）3-0048-02

隨著科學技術和工業水平的不斷提高，目前在機械優化設計的要求也越來越高，原來傳統的圖解法、解析法等設計方法已不能完全滿足現在的要求。雖然后來也出現了比如蟻群算法這樣的優秀設計方法，但是其自身也存在停滯現象、收斂速度慢等問題，不能很有效的進行機械結構的優化設計。于是基于蟻群算法、遺傳算法、元胞原理可提出兩種優秀的設計方法：遺傳蟻群算法、元胞蟻群算法。這兩種設計方法可以有效的克服基本蟻群算法的缺點，改進設計效果，使機械設計變得更加優化。下面我們將分別根據不同的條件，然后運用遺傳蟻群算法和元胞蟻群算法進行平面四桿機構再現軌跡的優化進行設計，使機械的優化設計問題得到不同程度的解決。

1 蟻群算法

1.1 蟻群算法基本原理

蟻群算法是由Marco Dorigo于1992年在他的博士論文中提出的一種用來尋找最優優路徑的概率型算法。蟻群算法的基本原理和模型來源于螞蟻在找食物時選擇路線的過程。我們都知道自然界的螞蟻即使在沒有任何外界導向信息的情況下，螞蟻也總是能找到從巢穴到食物的最短路線。Marco Dorigo等人發現，自然界螞蟻尋找到從巢穴到食物的最短路線，是通過一種正反饋效應實現的。具體表現為：單個的螞蟻每次會在自己行走的路線下留下一種揮發性的分泌物，我們稱其為信息激素。這樣就使最優路徑上的激素濃度越來越大，而其它路徑上的激素濃度會隨著螞蟻的不斷運動而逐漸減少，最終使最優路徑被找出。

1.2 蟻群算法基本模型及其實現

根據Dorigo等人提出的關于蟻群算法的基本觀點，我們可以將蟻群算法的基本實現過程和原理描述以下幾個步驟：

①搜索結果不滿足預期效果時，螞蟻繼續尋找另一條路線；②搜索過程中非最優路徑上的信息激素濃度減少，最優路徑上的信息激素增加；③信息激素濃度等根據搜索結果進行實時更新；④搜索到最終結果。但是通過實踐發現這種基本蟻群算法原理在求解結果的過程中會出現搜索速度慢等缺點。因此如若將蟻群算法與遺傳算法、元胞模型等原理相結合，就出現了遺傳蟻群算法、元胞蟻群算法，這些復合的算法就可以有效的克服簡單蟻群算法的缺點。

2 遺傳蟻群算法

2.1 遺傳蟻群算法原理

在上述螞蟻的轉移概率的定義式中，信息啟發式因子？鄣和期望值啟發式因子？茁，以及信息量殘留系數？籽都可以進行用數學方法進行計算分析，因此，如果將？鄣、？茁和？籽這三個因素看成代表螞蟻搜索求解過程中典型的3段代碼，并將？鄣、？茁、？籽編碼為實數。然后通過遺傳算法中的遺傳算子進行變異處理，這樣就可以在原有的算法結果的基礎上進行優化。這樣就把基本的蟻群算法與遺傳算法中的遺傳變異效應相結合起來。這樣遺傳蟻群算法原理就產生了。

2.2 遺傳蟻群算法模型及其實現（以平面四桿機構優化設計為例）

4 結 語

蟻群算法是模擬自然界螞蟻的覓食行為的一種模型方法，雖然在機構的優化設計中有一定的優勢，但是其自身也存在一些問題，故將蟻群算法和遺傳算法、元胞模型進行綜合運用，克服了原有基本蟻群算法的缺點。為機構的優化設計提供了更為簡便、優秀的設計方法，并且可以根據實際情況的已知條件選擇恰當的設計方法。這樣我們在實際的設計中可以根據自身的情況選擇遺傳蟻群算法或者元胞蟻群算法，這為我們的設計提供了較大的選擇空間。

參考文獻：

[1] 劉國光.基于改進蟻群算法的四桿機構優化設計[J].農業機械學報，2006，37（1）：149-151.

[2] 溫文波，杜維.蟻群算法概述[J].石油化工自動化，2002，（1）：19-22.

[3] 劉瑜，馬良.基于元胞蟻群算法的平面四桿機構優化設計[J].機械設計與研究，2008，24（6）：22-24.