人工智能與模式識別

1、人工智能與模式識別摘要：信息技術(shù)的飛速發(fā)展使得人工智能的應(yīng)用范圍變得越來越廣，而模式識 別作為其中的一個重要方面，一直是人工智能研究的重要方向。在介紹人工智能 和模式識別的相關(guān)知識的同時，對人工智能在模式識別中的應(yīng)用進行了一定的論 述。模式識別是人類的一項基本智能，著20世紀(jì)40年代計算機的出現(xiàn)以及50年代人工智能的興起，模式識別技術(shù)有了長足的發(fā)展。模式識別與統(tǒng)計學(xué)、心理 學(xué)、語言學(xué)、計算機科學(xué)、生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。模式識別的發(fā)展?jié)摿薮?。關(guān)鍵詞：模式識別；數(shù)字識別；人臉識別中圖分類號；Abstract : The rapid developme

2、nt of in formatio n tech no logy makes the applicati on of artificial in tellige nee become more and more widely. Pattern recog niti on, as one of the importa nt aspects, has always bee n an importa nt direct ion of artificial in tellige nee research. In the introduction of artificial intelligence a

3、nd pattern recognition related knowledge at the same time, artificial intelligence in pattern recognition applications were discussed.Pattern recognition is a basic human intelligence, the emergence of the 20th century, 40 years of computer and the rise of artificial intelligence in the 1950s, patte

4、r n recog niti on tech no logy has made great progress. Patter n recog niti on and statistics, psychology, li nguistics, computer scie nce, biology, cyber netics and so have a relati on ship. It has a cross-correlati on with artificial in tellige nce and image process ing. The pote ntial of patter n

5、 recog niti on is huge.Key words: pattern recognition; digital recognition; face recognition;1引言“能隨著計算機應(yīng)用范圍不斷的拓寬，我們對于計算機具有更加有效的感知力”，諸如對聲音、文字、圖像、溫度以及震動等外界信息，這樣就可以依靠計 算機來對人類的生存環(huán)境進行數(shù)字化改造。 但是從一般的意義上來講， 當(dāng)前的計 算機都無法直接感知這些信息， 而只能通過人在鍵盤、 鼠標(biāo)等外設(shè)上的操作才能 感知外部信息。 雖然攝像儀、圖文掃描儀和話筒等相關(guān)設(shè)備已經(jīng)部分的解決了非 電信號的轉(zhuǎn)換問題， 但是仍然存在著識別技術(shù)不

6、高， 不能確保計算機真正的感知 所采錄的究竟是什么信息。 這直接使得計算機對外部世界的感知能力低下， 成為 計算機應(yīng)用發(fā)展的瓶頸。 這時，能夠提高計算機外部感知能力的學(xué)科模式識 別應(yīng)運而生， 并得到了快速的發(fā)展， 同時也成為了未來電子信息產(chǎn)業(yè)發(fā)展的必然 趨勢。人工智能中所提到的模式識別是指采用計算機來代替人類或者是幫助人類 來感知外部信息， 可以說是一種對人類感知能力的一種仿真模擬。 近年來電子產(chǎn) 品中也加入了諸多此類的功能： 如手機中的指紋識別解鎖功能； 眼球識別解鎖技 術(shù)；手勢拍照功能亦或是機場先進的人耳識別技術(shù)等等。 這些功能看起來紛繁復(fù) 雜，但如果需要一個概括的話， 可以說這都是模式識

7、別技術(shù)給現(xiàn)代生活帶來的福 分。它探討的是計算機模式識別系統(tǒng)的建立， 通過計算機系統(tǒng)來模擬人類感官對 外界信息的識別和感知，從而將非電信號轉(zhuǎn)化為計算機可以識別的電信號。2 人工智能和模式識別人工智能( Artificial Intelligence)，是相對與人的自然智能而言的，它是指采用人工的方法及技術(shù)， 對人工智能進行模仿、 延伸及擴展，進而實現(xiàn)“機 器思維”式的人工智能。 簡而言之， 人工智能是一門研究具有智能行為的計算模 型，其最終的目的在于建立一個具有感知、推理、學(xué)習(xí)和聯(lián)想，甚至是決策能力 的計算機系統(tǒng)， 快速的解決一些需要專業(yè)人才能解決的問題。 從本質(zhì)上來講， 人 工智能是一種對人類

8、思維及信息處理過程的模擬和仿真。模式識別，即通過計算機采用數(shù)學(xué)的知識和方法來研究模式的自動處理及判 讀，實現(xiàn)人工智能。在這里，我們將周圍的環(huán)境及客體統(tǒng)統(tǒng)都稱之為“模式”， 即計算機需要對其周圍所有的相關(guān)信息進行識別和感知，進而進行信息的處理。 在人工智能開發(fā)， 即智能機器開發(fā)過程中的一個關(guān)鍵環(huán)節(jié)， 就是采用計算機來實 現(xiàn)模式(包括文字、聲音、人物和物體等)的自動識別，其在實現(xiàn)智能的過程中 也給人類對自身智能的認(rèn)識提供了一個途徑。 在模式識別的過程中， 信息處理實 際上是機器對周圍環(huán)境及客體的識別過程， 是對人參與智能識別的一個仿真。 相 對于人而言， 光學(xué)信息及聲學(xué)信息是兩個重要的信息識別來源

9、和方式， 它同時也 是人工智能機器在模式識別過程中的兩個重要途徑。 在市場上具有代表性的產(chǎn)品 有：光學(xué)字符識別系統(tǒng)以及語音識別系統(tǒng)等。在這里的模式識別， 我們可以將之理解成為： 根據(jù)識別對象具有特征的觀察 值來將其進行分類的一個過程。采用計算機來進行模式識別，是在上世紀(jì) 60 年 代初發(fā)展起來的一門新興學(xué)科， 但同樣也是未來一段實踐中發(fā)展的必然方向。 在 生活節(jié)奏相當(dāng)之快的今天人們希望電子產(chǎn)品可以為我們的生活提供更多的便利 條件。因此在未來相當(dāng)一段時間內(nèi)模式識別技術(shù)依然是發(fā)展的必然趨勢。模式識別的定義是借助計算機， 就人類對外部世界某一特定環(huán)境中的客體、 過程和現(xiàn)象的識別功能 （ 包括視覺、聽

10、覺、觸覺、判斷等 ）進行自動模擬的科學(xué)技 術(shù)。隨著 20 世紀(jì) 40 年代計算機的出現(xiàn)以及 50 年代人工智能的興起，人們當(dāng)然 也希望能用計算機來代替或擴展人類的部分腦力勞動。 （ 計算機）模式識別在 20 世紀(jì) 60 年代初迅速發(fā)展并成為一門新學(xué)科。模式識別 （Pattern Recognition） 是指對表征事物或現(xiàn)象的各種形式的 （ 數(shù) 值的、文字的和邏輯關(guān)系的 ）信息進行處理和分析 , 以對事物或現(xiàn)象進行描述、 辨 認(rèn)、分類和解釋的過程 , 是信息科學(xué)和人工智能的重要組成部分。模式識別又常 稱作模式分類， 從處理問題的性質(zhì)和解決問題的方法等角度， 模式識別分為有監(jiān) 督 的 分 類 （

11、 Supervised Classification ） 和 無 監(jiān) 督 的 分 類 （Unsupervised Classification） 兩種。二者的主要差別在于，各實驗樣本所屬的類別是否預(yù)先 已知。一般說來， 有監(jiān)督的分類往往需要提供大量已知類別的樣本， 但在實際問 題中，這是存在一定困難的，因此研究無監(jiān)督的分類就變得十分有必要了。此外，模式還可分成抽象的和具體的兩種形式。 前者如意識、思想、議論等 , 屬于概念識別研究的范疇 , 是人工智能的另一研究分支。我們所指的模式識別主 要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳 感器等對象的具體模式進行辨識和分類

12、。模式識別研究主要集中在兩方面 , 一是研究生物體 （包括人）是如何感知對象 的，屬于認(rèn)識科學(xué)的范疇 , 二是在給定的任務(wù)下 ,如何用計算機實現(xiàn)模式識別的理 論和方法。模式識別與很多學(xué)科都有聯(lián)系， 它與統(tǒng)計學(xué)、 心理學(xué)、語言學(xué)、計算機科學(xué) 、 生物學(xué)、控制論等都有關(guān)系。它與人工智能、圖像處理的研究有交叉關(guān)系。例如 自適應(yīng)或自組織的模式識別系統(tǒng)包含了人工智能的學(xué)習(xí)機制； 人工智能研究的景 物理解、自然語言理解也包含模式識別問題。 又如模式識別中的預(yù)處理和特征抽 取環(huán)節(jié)應(yīng)用圖像處理的技術(shù)；圖像處理中的圖像分析也應(yīng)用模式識別的技術(shù)。模式識別的方法主要有決策理論方法和句法方法， 模式識別方法的選擇取決

13、 于問題的性質(zhì)。 如果被識別的對象極為復(fù)雜， 而且包含豐富的結(jié)構(gòu)信息， 一般采 用句法方法； 被識別對象不很復(fù)雜或不含明顯的結(jié)構(gòu)信息， 一般采用決策理論方 法。這兩種方法不能截然分開， 在句法方法中， 基元本身就是用決策理論方法抽 取的。在應(yīng)用中， 將這兩種方法結(jié)合起來分別施加于不同的層次， 常能收到較好 的效果。模式識別的應(yīng)用非常廣泛， 比較典型的有： 1 文字識別： 在信息技術(shù)及計算 機技術(shù)日益普及的今天， 如何將文字方便、 快速地輸入到計算機中已成為影響人 機接口效率的一個重要瓶頸，也關(guān)系到計算機能否真正在我過得到普及的應(yīng)用。 目前，漢字輸入主要分為人工鍵盤輸入和機器自動識別輸入兩種。

14、其中人工鍵入 速度慢而且勞動強度大； 自動輸入又分為漢字識別輸入及語音識別輸入。 從識別 技術(shù)的難度來說， 手寫體識別的難度高于印刷體識別， 而在手寫體識別中， 脫機 手寫體的難度又遠(yuǎn)遠(yuǎn)超過了聯(lián)機手寫體識別。 到目前為止， 除了脫機手寫體數(shù)字 的識別已有實際應(yīng)用外，漢字等文字的脫機手寫體識別還處在實驗室階段。 2 語 音識別：語音識別技術(shù)技術(shù)所涉及的領(lǐng)域包括：信號處理、模式識別、概率論和 信息論、發(fā)聲機理和聽覺機理、 人工智能等等。 近年來，在生物識別技術(shù)領(lǐng)域中， 聲紋識別技術(shù)以其獨特的方便性、 經(jīng)濟性和準(zhǔn)確性等優(yōu)勢受到世人矚目， 并日益 成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾移占暗陌豺炞C方式。 而且

15、利用基因算法訓(xùn)練連 續(xù)隱馬爾柯夫模型的語音識別方法現(xiàn)已成為語音識別的主流技術(shù)， 該方法在語音 識別時識別速度較快， 也有較高的識別率。 3 指紋識別：每個人的指紋是唯一的， 依靠這種唯一性， 就可以將一個人同他的指紋對應(yīng)起來， 通過比較他的指紋和預(yù) 先保存的指紋進行比較， 便可以驗證他的真實身份。 一般的指紋分成有以下幾個 大的類別：環(huán)型(loop),螺旋型(whorl),弓型(arch),這樣就可以將每個人的指紋 分別歸類，進行檢索。指紋識別基本上可分成：預(yù)處理、特征選擇和模式分類幾個大的步驟。 除了這幾個眼下熱門的方向， 揮了重要的作用。最后介紹下模式模式識別的發(fā)展?jié)摿Γ?力，模式識別技術(shù)

16、是人工智能的基礎(chǔ)技術(shù)，模式識別還在遙感和醫(yī)學(xué)診斷領(lǐng)域發(fā)模式識別技術(shù)有著近乎無限的發(fā)展?jié)?1 世紀(jì)是智能化、信息化、計算化、網(wǎng)絡(luò)化的世紀(jì)， 在這個以數(shù)字計算為特征的世紀(jì)里， 作為人工智能技術(shù)基礎(chǔ)學(xué)科 的模式識別技術(shù)，必將獲得巨大的發(fā)展空間。在國際上，各大權(quán)威研究機構(gòu)，各 大公司都紛紛開始將模式識別技術(shù)作為公司的戰(zhàn)略研發(fā)重點加以重視。 模式識別發(fā)展?jié)摿^大的技術(shù)有 1 語音識別技術(shù)，語音識別技術(shù)正逐步成為信息技術(shù)中人 機接口 (Human Computer Interface, HCI)的關(guān)鍵技術(shù)，語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。中國互聯(lián)網(wǎng)中心的市場預(yù)測：未來 5 年， 中文

17、語音技術(shù)領(lǐng)域?qū)谐^ 400 億人民幣的市場容量 , 然后每年以超過 30%的 速度增長。 2 生物認(rèn)證技術(shù)，生物認(rèn)證技術(shù) (Biometrics) 本世紀(jì)最受關(guān)注的安全 認(rèn)證技術(shù)，它的發(fā)展是大勢所趨。人們愿意忘掉所有的密碼、扔掉所有的磁卡， 憑借自身的唯一性來標(biāo)識身份與保密。國際數(shù)據(jù)集團(IDC)預(yù)測：作為未來的 必然發(fā)展方向的移動電子商務(wù)基礎(chǔ)核心技術(shù)的生物識別技術(shù)在未來10 年的時間 里將達到 100億美元的市場規(guī)模。 3 數(shù)字水印技術(shù) 90 年代以來才在國際上開始 發(fā)展起來的數(shù)字水印技術(shù) (Digital Watermarking) 是最具發(fā)展?jié)摿εc優(yōu)勢的數(shù) 字媒體版權(quán)保護技術(shù)。IDC

18、預(yù)測，數(shù)字水印技術(shù)在未來的5年內(nèi)全球市場容量超 過 80 億美元。模式識別從 20世紀(jì) 20年代發(fā)展至今， 人們已經(jīng)形成了一種普遍看法， 那就 是不存在對所有模式識別問題都適用的單一模型和解決識別問題的單一技術(shù)， 我 們現(xiàn)在擁有的只是一個工具袋， 所要做的是結(jié)合具體問題把統(tǒng)計的和句法的識別 結(jié)合起來，把統(tǒng)計模式識別或句法模式識別與人工智能中的啟發(fā)式搜索結(jié)合起 來，把統(tǒng)計模式識別或句法模式識別與支持向量機的機器學(xué)習(xí)結(jié)合起來， 把人工 神經(jīng)元網(wǎng)絡(luò)與各種已有技術(shù)以及人工智能中的專家系統(tǒng)、 不確定推理方法結(jié)合起 來，深入掌握各種工具的效能和應(yīng)有的可能性， 互相取長補短， 開創(chuàng)模式識別應(yīng) 用的新局面。3

19、 人工智能在模式識別中的應(yīng)用一)數(shù)字識別及語音識別。在數(shù)字識別的過程中，對于手寫體的識別一直 是一個難題，而其又在郵政編碼的識別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用， 但是其字體形式變化較大， 導(dǎo)致提高對其的識別率成為了一個難題， 精準(zhǔn)的識別 存在著較大的困難。 而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后， 系統(tǒng)可以利用神經(jīng)網(wǎng) 絡(luò)的學(xué)習(xí)及快速并行功能來實現(xiàn)對手寫數(shù)字的快速識別， 有力的提高相關(guān)運用領(lǐng) 域的工作效率。而語音識別， 簡單的將就是能使得計算機能聽懂人所說的話， 一個典型的例 子就是七國語言（中、日、英、意、韓、法、德）口語自動翻譯系統(tǒng)，它可以將 人說的話翻譯成為機器所設(shè)定的目的語言，在整個過程中

20、不需要翻譯人員的參 與。其中的中文部分實驗平臺設(shè)置在中科院自動化所的模式識別國家重點實驗室 中，這標(biāo)志著我國的機器口語翻譯研究已經(jīng)跨入世界先進行列。 在這個系統(tǒng)的功 能實現(xiàn)之后， 出國旅行需要預(yù)定旅館、 購買機票、 就餐等需要和外國人進行對話 時，只需要利用電話網(wǎng)絡(luò)或者是國際互聯(lián)網(wǎng)就能夠順利的和對方進行通話， 進行 語言交流。在數(shù)字識別的過程中，對于手一 83 一寫體的識別一直是一個難題，而其又 在郵政編碼的識別、 銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用， 但是其字體形式變化 較大，導(dǎo)致提高對其的識別率成為了一個難題，精準(zhǔn)的識別存在著較大的困難。 而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后， 系統(tǒng)可以利用神經(jīng)

21、網(wǎng)絡(luò)的學(xué)習(xí)及快速并行 功能來實現(xiàn)對手寫數(shù)字的快速識別， 有力的提高相關(guān)運用領(lǐng)域的工作效率。 而語 音識別，簡單的將就是能使得計算機能聽懂人所說的話， 一個典型的例子就是七 國語言 （ 中、日、英、意、韓、法、德 ） 口語自動翻譯系統(tǒng)，它可以將人說的話翻 譯成為機器所設(shè)定的目的語言， 在整個過程中不需要翻譯人員的參與。 其中的中 文部分實驗平臺設(shè)置在中科院自動化所的模式識別國家重點實驗室中， 這標(biāo)志著 我國的機器口語翻譯研究已經(jīng)跨入世界先進行列。在這個系統(tǒng)的功能實現(xiàn)之后， 出國旅行需要預(yù)定旅館、 購買機票、 就餐等需要和外國人進行對話時， 只需要利 用電話網(wǎng)絡(luò)或者是國際互聯(lián)網(wǎng)就能夠 IIII 的

22、和對方進行通話，進行語言交流。（二）人臉立體識別模式。人臉識別的過程主要包括這樣三個主要的部分： 其一，人臉模式庫，即與所采集的實時圖像進行對比，判斷其是否存在于人 臉模式庫當(dāng)中，若存在，則給出每個人臉的位置和大小等相關(guān)的臉部信息；其二，對面部特征進行定位，即對每一個人臉的主要器官進行檢測，包括對 其的具體位置和形狀等特征進行具體的信息收集，然后將之進行歸一化的處理； 其三，比對，即根據(jù)所采集到得人臉面部特征來和人臉模式庫中的圖像進行 對比，之后對該人臉的身份進行核實。常見的人臉識別技術(shù)大部分可以歸為這樣三個類型：采用基于幾何特征的方 法，基于模板的方法以及基于模型的方法。其中，基于幾何特征的

23、方法最為常見， 它通常需要與其他的算法進行結(jié)合之后才能形成比較好的識別效果；而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神 經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等； 再次，基于模型的方法主要包括基于隱馬爾 可夫模型、主動外觀模型和主動形狀模型方法等。采用人臉識別模式來進行身份驗證具有明顯的有點， 諸如：易用性好、準(zhǔn)確 度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖像的 識別已經(jīng)基本實現(xiàn)，但是基于三維的立體圖像人臉識別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了

24、深度信息，它能夠表達臉形的信 息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識別概率。人臉立體識別模式。人臉識別的過程主要包括這樣三個主要的部分：其一， 人臉模式庫，即與所采集的實時圖像進行對比，判斷其是否存在于人臉模式庫當(dāng) 中，若存在，則給出每個人臉的位置和大小等相關(guān)的臉部信息；其二，對面部特 征進行定位， 即對每一個人臉的主要器官進行檢測， 包括對其的具體位置和形狀 等特征進行具體的信息收集，然后將之進行歸一化的處理；其三，比對，即根據(jù) 所采集到得人臉面部特征來和人臉模式庫中的圖像進行對比， 之后對該人臉的身 份進行核實。 常見的人臉識別技術(shù)大部分可以歸為這樣三個類型： 采用基于幾何 特征

25、的方法， 基于模板的方法以及基于模型的方法。 其中， 基于幾何特征的方法 最為常見，它通常需要與其他的算法進行結(jié)合之后才能形成比較好的識別效果； 而基于模板的方法又能夠分為基于匹配的方法、 臉部特征的方法、 線性判別分析 的方法、 神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等； 再次， 基于模型的方法主要包括 基于隱馬爾可夫模型、 主動外觀模型和主動形狀模型方法等。 采用人臉識別模式 來進行身份驗證具有明顯的有點，諸如：易用性好、準(zhǔn)確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。 人臉二維圖像的識別已經(jīng)基本實現(xiàn)， 但 是基于三維的立體圖像人臉識別技術(shù)卻處于研發(fā)階段。 人臉的二維及三維模型所 反映

26、的臉部外部信息是不同的， 二維圖像中的灰度值反映的是人臉表面亮度的差 異，而三維圖像中添加了深度信息， 它能夠表達臉形的信息數(shù)據(jù)， 使得臉部的信 息量更加豐富，能提高臉部的識別概率。4 蟻群算法與物流配送4.1 物流配送的優(yōu)化方法 隨著物流配送向集約化、一體化方向發(fā)展，常將配送的各環(huán)節(jié)綜合考慮，其 核心部分是配送車輛的集貨、 配貨和送貨過程。 配送系統(tǒng)優(yōu)化， 主要是配送車輛 的優(yōu)化調(diào)度 (包括集貨路線優(yōu)化、 貨物裝配和送貨路線優(yōu)化 ) ，以及集貨、 配貨和 送貨一體化優(yōu)化。車輛路徑問題(Vehicle Routing Problem, VRP)是配送環(huán)節(jié)的 重要組成部分。 合理安排車輛數(shù)和車輛

27、路線是減少浪費、 提高經(jīng)濟效益的重要手 段，不但可以降低商品的物流成本，還可以提高客戶的滿意度，擴大潛在市場， 這對于整個物流運輸速度、成本、效益有著重要的影響。近年來，國內(nèi)外專家對VRP問題的研究日趨深入，但多數(shù)集中于對某個單一 目標(biāo)的優(yōu)化研究， 并假設(shè)滿足某些約束條件。 而在實際車輛調(diào)度過程中， 經(jīng)常涉 及到時間或空間各方面的約束。因此，多目標(biāo)問題比單目標(biāo)問題就更常見。 VRP 問題有多種模型，其中：帶時間窗的車輛路徑問題 (Vehicle Routing Probtem with Time Windows，VRPTW!個具有代表性的帶約束多目標(biāo)問題。與典型的 旅行商問題(Travelin

28、g Salesman Problem ，TSP)相比，增加了車容量、時間窗 等約束條件，其中兩個目標(biāo)維度分別為車輛數(shù)與總時間耗費 (或總路徑長度當(dāng)速 度定義每單位時間耗費為 1時)，其目標(biāo)是在滿足空間容量限制和時間限制的條 件下，求使總成本最小的最優(yōu)解。目前，VRP問題的求解算法很多，可大致分為精確算法和啟發(fā)式算法兩大類。 精確算法的計算量一般隨著問題規(guī)模的增大而呈指數(shù)增長， 所以多用于規(guī)模較小 的問題。而對于求解大規(guī)模的 NP(Non-deterministic Polynomial Problem) 難 題，則較常用模擬退火算法(SA)、禁忌搜索算法(TS)、遺傳算法(GA)、神經(jīng)網(wǎng)絡(luò) (

29、NN)螞蟻算法(AS)等現(xiàn)代啟發(fā)式算法。蟻群算法最初由意大利科學(xué)家 Dorigo . M于1991年提出，是一種基于群體、用于求解復(fù)雜組合優(yōu)化問題的通用搜索技術(shù)。該方法首先被應(yīng)用于 TSP并在一 系列閫題中得到應(yīng)用，諸如二次分配、 Jobshop、圖著色問題、VRP問題、集 成電路設(shè)計以及通信網(wǎng)絡(luò)負(fù)載等離散優(yōu)化問題等。 但蟻群算法搜索時間長、 易于 停滯（ 即搜索到一定程度后所有個體所發(fā)現(xiàn)的解完全一致 ） ，存在不能擴大對解空 間繼續(xù)搜索的缺陷。4.2 蟻群算法研究現(xiàn)狀蟻群算法（Ant System，AS）是一種新生算法，具有很強的通用性和魯棒性。 從提出到現(xiàn)在， 僅短短十余年的時間， 但其在

30、離散型組合優(yōu)化問題的求解中， 表 現(xiàn)出強大的優(yōu)越性， 所以引起人們的關(guān)注。 目前蟻群算法的研究學(xué)者主要集中在 比利時、意大利、德國等國家，美國和日本在近幾年也開始了對蟻群算法的研究。 國內(nèi)的研究始于 1998 年末，主要在上海、北京、東北少數(shù)幾個學(xué)校和研究所開 展了此項工作。蟻群算法作為一種新型的智能優(yōu)化算法，與其它優(yōu)化算法相比， 具有正反饋、 分布式計算以及貪婪的啟發(fā)式搜索等主要特點。 正反饋過程使得該 算法能夠發(fā)現(xiàn)較好解；分布式計算使得該算法易于并行實現(xiàn)，更快得到較好解； 與啟發(fā)式算法相結(jié)合， 使得該算法易于發(fā)現(xiàn)較好解， 這些特點為更好解決復(fù)雜的 組合優(yōu)化問題提供了可能。 由于在蟻群算法中所有個體都要進行信息素更新， 造 成了信息素分配的浪費和分配畸形， 所以蟻群 算法的性能并不很理