最近由于畢設(shè)在研究OMNet++,一頭霧水,主要過去學(xué)習(xí)不認(rèn)真,現(xiàn)在發(fā)現(xiàn)不但新知識(shí)學(xué)習(xí)的亂七八糟,主要是過去的東西也亂七八糟,所以學(xué)習(xí)和人生都是一個(gè)慢慢積累慢慢豐富的過程。
  發(fā)現(xiàn)了個(gè)螞蟻算法,相關(guān)內(nèi)容附上,做個(gè)筆記。
蟻群算法(ant colony optimization, ACO),又稱螞蟻算法,是一種用來在圖中尋找優(yōu)化路徑的機(jī)率型技術(shù)。它由Marco Dorigo于1992年在他的博士論文中引入,其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。
為什么小小的螞蟻能夠找到食物?他們具有智能么?設(shè)想,如果我們要為螞蟻設(shè)計(jì)一個(gè)人工智能的程 序,那么這個(gè)程序要多么復(fù)雜呢?首先,你要讓螞蟻能夠避開障礙物,就必須根據(jù)適當(dāng)?shù)牡匦谓o它編進(jìn)指令讓他們能夠巧妙的避開障礙物,其次,要讓螞蟻找到食 物,就需要讓他們遍歷空間上的所有點(diǎn);再次,如果要讓螞蟻找到最短的路徑,那么需要計(jì)算所有可能的路徑并且比較它們的大小,而且更重要的是,你要小心翼翼 的編程,因?yàn)槌绦虻腻e(cuò)誤也許會(huì)讓你前功盡棄。這是多么不可思議的程序!太復(fù)雜了,恐怕沒人能夠完成這樣繁瑣冗余的程序。
然而,事實(shí)并沒有你想得那么復(fù)雜,上面這個(gè)程序每個(gè)螞蟻的核心程序編碼不過100多行!為什么 這么簡單的程序會(huì)讓螞蟻干這樣復(fù)雜的事情?答案是:簡單規(guī)則的涌現(xiàn)。事實(shí)上,每只螞蟻并不是像我們想象的需要知道整個(gè)世界的信息,他們其實(shí)只關(guān)心很小范圍 內(nèi)的眼前信息,而且根據(jù)這些局部信息利用幾條簡單的規(guī)則進(jìn)行決策,這樣,在蟻群這個(gè)集體里,復(fù)雜性的行為就會(huì)凸現(xiàn)出來。這就是人工生命、復(fù)雜性科學(xué)解釋的 規(guī)律!那么,這些簡單規(guī)則是什么呢?下面詳細(xì)說明:
1、范圍:
螞蟻觀察到的范圍是一個(gè)方格世界,螞蟻有一個(gè)參數(shù)為速度半徑(一般是3),那么它能觀察到的范圍就是3*3個(gè)方格世界,并且能移動(dòng)的距離也在這個(gè)范圍之內(nèi)。
2、環(huán)境:
螞蟻所在的環(huán)境是一個(gè)虛擬的世界,其中有障礙物,有別的螞蟻,還有信息素,信息素有兩種,一種是找到食物的螞蟻灑下的食物信息素,一種是找到窩的螞蟻灑下的窩的信息素。每個(gè)螞蟻都僅僅能感知它范圍內(nèi)的環(huán)境信息。環(huán)境以一定的速率讓信息素消失。
3、覓食規(guī)則:
在每只螞蟻能感知的范圍內(nèi)尋找是否有食物,如果有就直接過去。否則看是否有信息素,并且比較在 能感知的范圍內(nèi)哪一點(diǎn)的信息素最多,這樣,它就朝信息素多的地方走,并且每只螞蟻多會(huì)以小概率犯錯(cuò)誤,從而并不是往信息素最多的點(diǎn)移動(dòng)。螞蟻找窩的規(guī)則和 上面一樣,只不過它對(duì)窩的信息素做出反應(yīng),而對(duì)食物信息素沒反應(yīng)。
4、移動(dòng)規(guī)則:
每只螞蟻都朝向信息素最多的方向移,并且,當(dāng)周圍沒有信息素指引的時(shí)候,螞蟻會(huì)按照自己原來運(yùn) 動(dòng)的方向慣性的運(yùn)動(dòng)下去,并且,在運(yùn)動(dòng)的方向有一個(gè)隨機(jī)的小的擾動(dòng)。為了防止螞蟻原地轉(zhuǎn)圈,它會(huì)記住最近剛走過了哪些點(diǎn),如果發(fā)現(xiàn)要走的下一點(diǎn)已經(jīng)在最近 走過了,它就會(huì)盡量避開。
5、避障規(guī)則:
如果螞蟻要移動(dòng)的方向有障礙物擋住,它會(huì)隨機(jī)的選擇另一個(gè)方向,并且有信息素指引的話,它會(huì)按照覓食的規(guī)則行為。
7、播撒信息素規(guī)則:
每只螞蟻在剛找到食物或者窩的時(shí)候撒發(fā)的信息素最多,并隨著它走遠(yuǎn)的距離,播撒的信息素越來越少。
根據(jù)這幾條規(guī)則,螞蟻之間并沒有直接的關(guān)系,但是每只螞蟻都和環(huán)境發(fā)生交互,而通過信息素這個(gè) 紐帶,實(shí)際上把各個(gè)螞蟻之間關(guān)聯(lián)起來了。比如,當(dāng)一只螞蟻找到了食物,它并沒有直接告訴其它螞蟻這兒有食物,而是向環(huán)境播撒信息素,當(dāng)其它的螞蟻經(jīng)過它附 近的時(shí)候,就會(huì)感覺到信息素的存在,進(jìn)而根據(jù)信息素的指引找到了食物。
說了這么多,螞蟻究竟是怎么找到食物的呢?
在沒有螞蟻找到食物的時(shí)候,環(huán)境沒有有用的信息素,那么螞蟻為什么會(huì)相對(duì)有效的找到食物呢?這 要?dú)w功于螞蟻的移動(dòng)規(guī)則,尤其是在沒有信息素時(shí)候的移動(dòng)規(guī)則。首先,它要能盡量保持某種慣性,這樣使得螞蟻盡量向前方移動(dòng)(開始,這個(gè)前方是隨機(jī)固定的一 個(gè)方向),而不是原地?zé)o謂的打轉(zhuǎn)或者震動(dòng);其次,螞蟻要有一定的隨機(jī)性,雖然有了固定的方向,但它也不能像粒子一樣直線運(yùn)動(dòng)下去,而是有一個(gè)隨機(jī)的干擾。 這樣就使得螞蟻運(yùn)動(dòng)起來具有了一定的目的性,盡量保持原來的方向,但又有新的試探,尤其當(dāng)碰到障礙物的時(shí)候它會(huì)立即改變方向,這可以看成一種選擇的過程, 也就是環(huán)境的障礙物讓螞蟻的某個(gè)方向正確,而其他方向則不對(duì)。這就解釋了為什么單個(gè)螞蟻在復(fù)雜的諸如迷宮的地圖中仍然能找到隱蔽得很好的食物。
當(dāng)然,在有一只螞蟻找到了食物的時(shí)候,其他螞蟻會(huì)沿著信息素很快找到食物的。
螞蟻如何找到最短路徑的?這一是要?dú)w功于信息素,另外要?dú)w功于環(huán)境,具體說是計(jì)算機(jī)時(shí)鐘。信息 素多的地方顯然經(jīng)過這里的螞蟻會(huì)多,因而會(huì)有更多的螞蟻聚集過來。假設(shè)有兩條路從窩通向食物,開始的時(shí)候,走這兩條路的螞蟻數(shù)量同樣多(或者較長的路上螞 蟻多,這也無關(guān)緊要)。當(dāng)螞蟻沿著一條路到達(dá)終點(diǎn)以后會(huì)馬上返回來,這樣,短的路螞蟻來回一次的時(shí)間就短,這也意味著重復(fù)的頻率就快,因而在單位時(shí)間里走 過的螞蟻數(shù)目就多,灑下的信息素自然也會(huì)多,自然會(huì)有更多的螞蟻被吸引過來,從而灑下更多的信息素……;而長的路正相反,因此,越來越多地螞蟻聚集到較短 的路徑上來,最短的路徑就近似找到了。也許有人會(huì)問局部最短路徑和全局最短路的問題,實(shí)際上螞蟻逐漸接近全局最短路的,為什么呢?這源于螞蟻會(huì)犯錯(cuò)誤,也 就是它會(huì)按照一定的概率不往信息素高的地方走而另辟蹊徑,這可以理解為一種創(chuàng)新,這種創(chuàng)新如果能縮短路途,那么根據(jù)剛才敘述的原理,更多的螞蟻會(huì)被吸引過 來。
引申:
跟著螞蟻的蹤跡,你找到了什么?通過上面的原理敘述和實(shí)際操作,我們不難發(fā)現(xiàn)螞蟻之所以具有智能行為,完全歸功于它的簡單行為規(guī)則,而這些規(guī)則綜合起來具有下面兩個(gè)方面的特點(diǎn):
1、多樣性
2、正反饋
多樣性保證了螞蟻在覓食的時(shí)候不置走進(jìn)死胡同而無限循環(huán),正反饋機(jī)制則保證了相對(duì)優(yōu)良的信息能 夠被保存下來。我們可以把多樣性看成是一種創(chuàng)造能力,而正反饋是一種學(xué)習(xí)強(qiáng)化能力。正反饋的力量也可以比喻成權(quán)威的意見,而多樣性是打破權(quán)威體現(xiàn)的創(chuàng)造 性,正是這兩點(diǎn)小心翼翼的巧妙結(jié)合才使得智能行為涌現(xiàn)出來了。
引申來講,大自然的進(jìn)化,社會(huì)的進(jìn)步、人類的創(chuàng)新實(shí)際上都離不開這兩樣?xùn)|西,多樣性保證了系統(tǒng) 的創(chuàng)新能力,正反饋保證了優(yōu)良特性能夠得到強(qiáng)化,兩者要恰到好處的結(jié)合。如果多樣性過剩,也就是系統(tǒng)過于活躍,這相當(dāng)于螞蟻會(huì)過多的隨機(jī)運(yùn)動(dòng),它就會(huì)陷入 混沌狀態(tài);而相反,多樣性不夠,正反饋機(jī)制過強(qiáng),那么系統(tǒng)就好比一潭死水。這在蟻群中來講就表現(xiàn)為,螞蟻的行為過于僵硬,當(dāng)環(huán)境變化了,螞蟻群仍然不能適 當(dāng)?shù)恼{(diào)整。
既然復(fù)雜性、智能行為是根據(jù)底層規(guī)則涌現(xiàn)的,既然底層規(guī)則具有多樣性和正反饋特點(diǎn),那么也許你 會(huì)問這些規(guī)則是哪里來的?多樣性和正反饋又是哪里來的?我本人的意見:規(guī)則來源于大自然的進(jìn)化。而大自然的進(jìn)化根據(jù)剛才講的也體現(xiàn)為多樣性和正反饋的巧妙 結(jié)合。而這樣的巧妙結(jié)合又是為什么呢?為什么在你眼前呈現(xiàn)的世界是如此栩栩如生呢?答案在于環(huán)境造就了這一切,之所以你看到栩栩如生的世界,是因?yàn)槟切┎? 能夠適應(yīng)環(huán)境的多樣性與正反饋的結(jié)合都已經(jīng)死掉了,被環(huán)境淘汰了!
參數(shù)說明:
最大信息素:螞蟻在一開始擁有的信息素總量,越大表示程序在較長一段時(shí)間能夠存在信息素。信息素消減的速度:隨著時(shí)間的流逝,已經(jīng)存在于世界上的信息素會(huì)消減,這個(gè)數(shù)值越大,那么消減的越快。
錯(cuò)誤概率表示這個(gè)螞蟻不往信息素最大的區(qū)域走的概率,越大則表示這個(gè)螞蟻越有創(chuàng)新性。
速度半徑表示螞蟻一次能走的最大長度,也表示這個(gè)螞蟻的感知范圍。
記憶能力表示螞蟻能記住多少個(gè)剛剛走過點(diǎn)的坐標(biāo),這個(gè)值避免了螞蟻在本地打轉(zhuǎn),停滯不前。而這個(gè)值越大那么整個(gè)系統(tǒng)運(yùn)行速度就慢,越小則螞蟻越容易原地轉(zhuǎn)圈。
-----例子-----
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml"><HEAD>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
<title>蟻群算法js版</title>
<style>
.ant{
position:absolute;
background-color:#000000;
overflow:hidden;
width:2px;
height:2px;
}
.food{
position:absolute;
background-color:#0000ff;
overflow:hidden;
width:2px;
height:2px;
}
.nest{
position:absolute;
background-color:#ff0000;
overflow:hidden;
width:2px;
height:2px;
}
</style>
<script type="text/JavaScript">
//============================
//系統(tǒng)參數(shù)初始化
//----------------------------
//生命體數(shù)量與軌跡長度
Unit=10;Path=30;
//生命體速度上下限
v0=2;vM=10;
//生命體加速度變化范圍
Kr=0.1;Kv=0.1*(vM-v0);
//生命體運(yùn)動(dòng)范圍
x0=0;xM=document.documentElement.clientWidth;
y0=0;yM=document.documentElement.clientHeight;
//生命體出生地(巢穴)
xi0=x0+(xM-x0)*Math.random();
yi0=y0+(yM-y0)*Math.random();
str0='<div class="ant" style="left:'+xi0+';top:'+yi0+';"></div>';
//食物所在地
xf=x0+(xM-x0)*Math.random();
yf=y0+(yM-y0)*Math.random();
//氣味感知范圍
R_2=5*5;
//============================
var r=new Array();
var v=new Array();
var dr=new Array();
var dv=new Array();
var x=new Array();
var y=new Array();
var life=new Array();
//單擊暫停
var xi0,yi0,xf,yf;
var Time0,str0;
window.status='pause';
function document.onclick(){
        if(window.status=='pause'){
                window.status=0;
                nest.style.left=xi0;
                nest.style.top=yi0;
                food.style.left=xf;
                food.style.top=yf;
                //測試初始化時(shí)間用
                Time0=(new Date()).getTime();
                init(0);
        }else{
                window.status='pause';
        }
}
//窗口大小調(diào)整后刷新頁面以調(diào)整系統(tǒng)參數(shù)
function window.onresize(){
//        window.location.href=document.location;
}
//初始化函數(shù)
function init(i){
        if(window.status!='pause'&&i<Unit){
                if(!life){
                          document.body.appendChild(life=document.createElement(str0));
                          x=xi0;
                          y=yi0;
                          r=Math.random();
                          v=1/Math.random();
                          dr=Kr*Math.random();
                          dv=Kv*Math.random();
                  }
                  Move(i);
                  window.status=i+1;
                  setTimeout('init('+(i+1)+')',i);
  //        }else{
  //                alert('生成耗時(shí):'+((new Date()).getTime()-Time0)+'ms');
          }
  }
  //運(yùn)動(dòng)函數(shù)
  Total=Unit*Path;
  P2=2*Math.PI;
  function Move(i){
          if(window.status!='pause'){
                  k=i%Unit;
                  X=x[k];
                  Y=y[k];
                  R=r[k];
                  V=v[k];               
                  if(!life){
                          str='<div class="ant" style="left:'+X+';top:'+Y+';"></div>';
                          document.body.appendChild(life=document.createElement(str));
                  }
                  obj=life;
                  R+=dr[k]*(2*Math.random()-1);
                  V+=dv[k]*(2*Math.random()-1);
                  X+=Math.sin(P2*R)*V;
                  Y+=Math.cos(P2*R)*V;
                  //遇到食物原路返回并減小角度變化
                  distance=(X-xf)*(X-xf)+(Y-yf)*(Y-yf);
                  if(distance<R_2){
                          R+=0.5;
                          r/=2;
                          v*=2;
                  }
                  distance=(X-xi0)*(X-xi0)+(Y-yi0)*(Y-yi0);
                  if(distance<R_2){
                          R+=0.5;
                          r/=2;
                          v*=2;
                  }
                  /*----------------------------------
                  /*================================*/
                  //碰撞邊界反彈
                  R=(X<x0||X>xM)?-R:R;
                  R=(Y<y0||Y>yM)?0.5-R:R;
                  X=x[k]+Math.sin(P2*R)*V;
                  Y=y[k]+Math.cos(P2*R)*V;
                  /*================================*/
                  //溢出邊界重生(類似流星效果)
                  if(X<x0||X>xM||Y<y0||Y>yM){
                          X=xi0;
                          Y=yi0;
                  }
                  /*----------------------------------
                  /*================================*/
                  //邊界限制
                  x[k]=X=(X<x0)?x0:(X>xM)?xM-2:X;
                  y[k]=Y=(Y<y0)?y0:(Y>yM)?yM-2:Y;
                  r[k]=R>1?R-1:R<0?R+1:R;
                  v[k]=V=(V<v0)?v0:((V<vM)?V:vM);
                  /*================================*/
                  obj.style.left=x[k]=X;
                  obj.style.top=y[k]=Y;
                  setTimeout('Move('+(i+Unit)%Total+')',Unit);
          }
  }
  //根據(jù)瀏覽器自動(dòng)加載動(dòng)畫
  switch(navigator.appName.toLowerCase()){
          case "netscape":
                  window.addEventListener("load",document.onclick,false);
          break;
          case "microsoft internet explorer":
          default:
                  window.attachEvent("onload",document.onclick);
          break;
  }
  </script>
  </head>
  <body scroll="no">
  <div id="food" class="food"></div>
  <div id="nest" class="nest"></div>
  </body>
  </html>