一種基于蟻群算法求方程組數(shù)值解的新方法

1、一種基于蟻群算法求方程組數(shù)值解的新方法葉 楠（四川大學(xué) 電氣信息學(xué)院 ，成都，610065，） 關(guān)鍵詞： 蟻群算法 方程組 連續(xù)函數(shù)優(yōu)化 中圖法分類號： TP301.6 文獻(xiàn)標(biāo)識碼： ANew method based on ant colony system for resolving equation groupsYe Nan(College of Electrical Information , Sichuan university , Chengdu , 610065 , China)Abstract: Resolving equation groups is a principal

2、problem in engineering study. A new method for resolving equation groups is proposed, which is based on Ant Colony System. First, the resolving model of equation group is described; then， according to Ant Colony System, an algorithm for continuous function optimization is introduced; finally the per

3、formance is analyzed. The results of experiment show that the new method is effective and feasible, and the key to improve the precision of results and the efficiency of the resolving process lies in the further research of the Ant Colony System.Keywords: ant colony system equation group continuous

4、function optimization 1.引言 （Introduction）1.本文根據(jù)求解方程組問題的共同特點，基于蟻群算法建立了一個適用于各類方程組求解的通用模型.在此模型基礎(chǔ)上，引入了一種新的求方程組數(shù)值解的通用算法.實驗證明此算法是有效可行的；求解精度與效率的進(jìn)一步提高與蟻群算法的品質(zhì)有關(guān).2.方程組求解思想的引入 （The appearance of equation groups solution） 設(shè)一個方程組，由n個方程組成，每個方程涉及m個變量： X X = , = X| 另設(shè) , X . (1) 求解上述方程組等價于下面一個求極值問題：求一X，使式（1）取得最小值，當(dāng)

5、其最小值為0時，所對應(yīng)的X，即為原方程組的解；當(dāng)其最小值不為0時，則此方程組無解. 3.算法描述 （Algorithm description） 為描述問題清晰和壓縮篇幅需要起見，對于涉及n個方程，m個自變量的方程組求解算法的描述過程一律基于一元方程求解過程的描述.只要理解了算法的實質(zhì)，從一元方程推廣到多元方程組便不難.另外，對于蟻群算法的一般模型及應(yīng)用場合，本文也不另作介紹，有興趣者可參閱文獻(xiàn)4. 設(shè)問題要求精確到小數(shù)點后d位，則自變量x可以用d個十進(jìn)制數(shù)來近似表示.我們就可以構(gòu)造如下d*10+2個“城市”：這些城市分為d+2層；其中首尾兩層分別僅含一個城市：一個為起始城市，一個為終止城市；

6、中間d層，從左往右分別表示自變量的十分位、百分位這些城市中，只有k-1層與k層（k2,d+2）之間的各個城市有連接通路.記k-1層中代表十進(jìn)制數(shù)a的城市與k層代表十進(jìn)制數(shù)b的城市之間的連接上殘留的信息量為.螞蟻n在一次循環(huán)中第m步所在城市用T(n,m)表示，并設(shè)螞蟻總數(shù)為.首先用一個較小的值初始化所有的.讓每只螞蟻的第一步為0，即令T(n,1)=0 (n=1,2,., ).然后，就為每一只螞蟻選擇路徑.若螞蟻n當(dāng)前所在的城市為T(n,k-1)=a,根據(jù)如下公式選擇每只螞蟻下一步應(yīng)該到達(dá)的城市：（2） 其中，q為0，1上的隨機(jī)數(shù)，是0，1上的常數(shù)，用于確定偽隨機(jī)選擇的概率. 表示用偽隨機(jī)選擇來確

7、定下一步要走的城市，也就是根據(jù)下式計算螞蟻選擇下一層中每一個城市的概率，然后按此概率用遺傳算法中的轉(zhuǎn)盤式選擇法確定要選擇的城市： （3） 其中，p(a,b)表示從當(dāng)前城市a轉(zhuǎn)移到下一層的城市b的概率.由于本算法中僅允許螞蟻有上一層的城市向下一層的城市轉(zhuǎn)移，所以這個公式與普通蟻群算法的轉(zhuǎn)移概率計算公式有所不同. 當(dāng)每只螞蟻按上面的公式到達(dá)了d+1層時，都將轉(zhuǎn)移到d+2層的唯一城市0. 螞蟻在城市上建立路徑的過程中，要不斷地在經(jīng)過的路徑上按公式（4）減弱上面殘留的信息量，這樣就可以減小下一只螞蟻選擇同樣路徑的概率，除非經(jīng)過多次循環(huán)后已確定一條極優(yōu)的路徑.這個過程叫做殘留信息量的局部更新. （4）

8、其中，為（0，1）上的常數(shù)，表示路徑上殘留信息量減弱的速度. 當(dāng)所有螞蟻都按上面的步驟完成了一次循環(huán)，這時就對路徑上的信息量進(jìn)行全局更新.首先對每只螞蟻選擇的路徑解碼，計算出螞蟻n對應(yīng)的自變量值：（5）然后，計算每只螞蟻對應(yīng)的函數(shù)值，并選擇出函數(shù)值最小的螞蟻，稱為最優(yōu)螞蟻. （6） 對這只最優(yōu)螞蟻經(jīng)過路徑上的信息量按下式做全局更新： （7） 其中i=T(,k-1), j=T(,k), k2,d+2, 為（0，1）上的常數(shù). 至此就完成了一個循環(huán).反復(fù)進(jìn)行上面的步驟直到達(dá)到指定的循環(huán)次數(shù)或得到的解在一定的循環(huán)次數(shù)后沒有改進(jìn). 將算法的具體求解過程歸納如下： （1） 初始化各條路徑的信息量；（2）

9、 將所有螞蟻置于初始城市；（3） 對所有的k-1到k層城市執(zhí)行步驟（4）(8);（4） 對每只螞蟻執(zhí)行步驟（5）（6）；（5） 根據(jù)公式（2）和（3）選擇螞蟻在第k層應(yīng)該到達(dá)的城市；（6） 每只螞蟻選擇城市后都立即按公式（4）執(zhí)行信息量的局部更新規(guī)則；（7） 根據(jù)公式（5）（7）評選出最優(yōu)螞蟻并執(zhí)行信息量的全局更新規(guī)則；（8） 判斷是否滿足終止條件.如滿足，則結(jié)束計算輸出計算結(jié)果計算.(說明：對于多元方程組求解，可增設(shè)自變量，具體可參閱文獻(xiàn)3.) 4.算法性能分析和實驗結(jié)果 （Performance analysis and experiment results） 本算法的數(shù)學(xué)模型概括了方程組

10、求解的本質(zhì)特點，從而決定了算法的通用性，使其具有很強(qiáng)的適應(yīng)性.不管方程是否可微、連續(xù)或形式復(fù)雜，方程組是否完備、良態(tài)或有解，都不影響其求解.為證明本算法是有效可行的，本次實驗選取文獻(xiàn)2中的某些具有代表性的方程（組）進(jìn)行對比求解. =0.8,=0.8,d=7,運(yùn)行循環(huán)次數(shù)：1000 表 1 與文獻(xiàn)2之對比結(jié)果Table 1 The comparative results to reference 3序號方程組文獻(xiàn)3算法解求解時間（s）本文算法解求解時間（s）1|sin(30x)|(1-|x|/2)-0.9739626=0x(-100,100)x=0.051825.41x=0.05180.12x,

11、y-2，2x=0.2909y=0.000036.90x=0.2909y=0.00190.23x,y,z-1.732,1.732x=1.0000y=0.9998z=1.000151.57x=0.9390y=1.0600z=0.99720.3表 2 選取典型函數(shù)測試之結(jié)果Table 2 The results of selective functions序號方程組本文算法解求解時間1X=73.550740.1s2X=0.605830.1s30.3s5.結(jié)束語 （Conclusion and valuation） 本文提出了一種基于蟻群算法求方程組數(shù)值解的通用算法.實驗結(jié)果表明此算法是有效可行的，尤

12、其在求解一元方程時，其求解精度與速度都非常優(yōu)越；但在求解多元方程組時，精度有所下降，但速度仍然非常快.因此本算法可作為工程應(yīng)用研究的一個通用工具.參考文獻(xiàn) （References）1Macro Dorigo,Vittorio Maniezzo,Alberto Colorni. The Ant System: Optimization by a colony of cooperating agentsA.IEEE Transactions on Systems, Man,and Cybernetics,Part-B,Vol.26,No.1, pp.1-13,1996,2胡小兵，吳樹范等. 一種基

13、于遺傳算法求代數(shù)方程組數(shù)值解的新方法J. 控制理論與應(yīng)用. 2002.19（8）：567-570Hu xiao-bing,Wu Shu-fan. New method based on genetic algorithm for resolving algebraic equation groupsJ.Control Theory and Applications,2002,19(8): 567-570(Ch).3陳燁. 下限未知函數(shù)優(yōu)化蟻群算法A. 青島大學(xué)學(xué)報增刊-2003年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集. 2003（8）4魏平，熊偉清. 用于一般函數(shù)優(yōu)化的蟻群算法J. 寧波大學(xué)學(xué)報（理工版）.2