不难看出,蚂蚁能够最终找到最短路径,直接依赖于最短路径上信息激素的堆积,而信息激素的堆积却是一个正反馈的过程。对蚁群算法来说,初始时刻在环境中存在完全相同的信息激素,给予系统一个微小扰动,使得各个边上的轨迹浓度不相同,蚂蚁构造的解就存在了优劣,算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素,而更多的信息激素又吸引了更多的蚂蚁,这个正反馈的过程使得初始的不同得到不断的扩大,同时又引导整个系统向最优解的方向进化。因此,正反馈是蚂蚁算法的重要特征,它使得算法演化过程得以进行。Р (4)、蚁群算法具有较强的鲁棒性。相对于其它算法,蚁群算法对初始路线要求不高,即蚁群算法的求解结果不依赖子初始路线的选择,而且在搜索过程中不需要进行人工的调整。其次,蚁群算法的参数数目少,设置简单,易于蚁群算法应用到其它组合优化问题的求解。Р四、蚁群算法的基本思想Р 受到自然界中真实蚁群集体行为的启发,意大利学者Dorigo于1991年,在他的博士论文中首次系统提出基于蚁群算法的新型优化算法-- 蚁群算法,并用该方法解决了一系列组合优化问题。蚁群算法在解决这类问题中取得了一系列较好的实验结果,受其影响,该算法逐渐引起许多研究者的注意,并将其应用到实际工程问题中。Р在蚁群算法中,提出了人工蚁的概念。人工蚁具有双重特性:一方面,他们是真实蚂蚁行为特征的一种抽象。通过对真实蚂蚁行为的观察,将蚁群觅食行为最关键的部分赋予了人工蚁。另一方面,由于所提出的人工蚁是为了解决一些工程实际中优化问题,为了使蚁群算法更加有效,赋予了人工一些真实蚂蚁所不具备的本领。Р 人工蚁绝大部分的行为特征都源于真实蚂蚁,它们具有的共同特征主要表现如下:Р人工蚁和真实蚂蚁一样,是一群相互合作的个体。这些个体可以通过相互协作在全局范围内找出问题较优的解决方案。每只人工蚁能够建立一个姐姐方案,但高质量的解决方案是整个蚁群合作的结果。