.18093.4.3ftv33.atsp的測試結果組數12345678910平均值Distance12861286128612861286128612861286128612861286Time34.31235.10939.01541.14035.62537.57835.34335.62536.95335.35936.6063.4.4ftv35.atsp的測試結果組數12345678910平均值Distance14971485147914791479149514921479148514921486Time42.43744.46843.92141.46842.68745.90641.51546.34342.14045.15643.6043.4.5br17.atsp相關參數修改后的測試結果將螞蟻指數改變為50只時，其它參數不變，測試結果為組數12345678910平均值Distance8787878787878787878787Time2.5002.4732.5002.5002.5152.6092.4532.5462.5782.4312.515將揮發因子改變為0.005，其它參數不變時的測試結果為：組數12345678910平均值Distance8787878787878787878787Time0.8750.8430.8900.8590.8430.8430.8590.8590.8430.8430.856從以上結果可以看出，距離約長，螞蟻尋優時間越長，同時，每組螞蟻尋優時間的差異也越大。這是因為距離越長，螞蟻對信息素的感應越弱，尋優過程中花費的時間自然越多。3.5本章小結蟻群算法還有許多要研究的地方，主要是①進一步的研究算法收斂性的分析。得出更強的收斂性證明并得出收斂速度將會加速算法的發展；②蟻群算法的理論性分析和參數的設置；③蟻群算法的應用領域的擴展，應用較多的是靜態組合優化問題，改進并將其應用于動態組合優化問題和連續優化問題是值得探索的[18]。

第四章總結與展望蟻群算法問世至今已有十多年的時間，其理論和應用都有了很大的進步，蟻群算法從最初求解旅行商問題開始，已經逐步發展為一個優化工具．并且較為成功地應用到科學和工程中的多個領域。眾多研究已經證明[19]，蟻群算法具有很強的發現較好解的能力，因為該算法不僅利用了正反饋原理，而且是一種本質并行的算法，不同個體之間不斷進行信息交流和傳遞，從而能夠相互協作。蟻群算法相對于各種比較成熟的計算智能方法來說，它的數學離了基礎相對薄弱，缺乏具備普遍意義的理論性分析。算法中涉及的各種參數設置也沒有確切的理論依據，通常都是通過經驗來確定[20]。因此，蟻群算法還有許多問題需要解決，它的應用也有待進一步的發掘。對于ATSP,目前還不存在能找到完美解的方法,這個問題是NP難的[20]：目前還沒有任何算法能在與城市總數呈多項式關系的時間復雜性下找到完美解。我們只能產生一些近似完美解，在合理的運行時間里使其與完美解盡可能的接近。從目前發表的各種求解ATSP的論文的結論來看,少于100個城市的ATSP例子很適合于用全局優化技術求解，但是要考慮城市規模比這大得多的ATSP實例則需要采用啟發式方法。為了進一步提高算法的全局優化能力,避免搜索過程陷入局部極小,現已提出的改進策略主要有：并行多鄰域搜索,平滑優化曲面形狀,引進重升溫、熵抽樣等高級技術等。對于復雜優化問題，單一機制的優化算法很難實現全局優化,且效率較低。多種優化機制和鄰域搜索結構相混合，是能較大程度提高全局優化度和魯棒性的有力途徑，并可一定程度上放松對單一算法參數選擇的苛刻性。所以混合優化策略會是一種趨勢。對于TSP的求解,我認為以后在以下幾個方面可能會有很好的進展:1)新的方法的提出;2)基于目前各種方法的改進;3)混合優化策略的發展等。我們希望最終人們能找到一種求解TSP的完美方法。致謝大學學習生活即將拉下帷幕，回首走過的歲月，收獲到奮斗的果實心中倍感欣喜。同時，通過這次設計的完成，增長了課外知識，實現算法與編程，且鞏固了我的專業知識，讓我明白了團結互助的精神，非常感謝我的老師和同學給我的幫助和指導。

參考文獻：[1]李東魁，烏蘭圖雅，朱艷龍，楊麗萍，李學寶.3-狀態并-串聯設備網絡單目標-單約束可靠性優化蟻群算法[J].電子測試，2015（03）：36-39.[2]張家善.基于客戶滿意度的車輛路徑問題及蟻群算法求解[J].數學的實踐與認識，2015，45（07）：36-41.[3]李東魁，其木格，烏蘭圖雅，朱艷龍.3-狀態串并聯設備網絡單目標-單約束可靠性優化蟻群算法[J].內蒙古工業大學學報（自然科學版），2015，34（01）：36-41.[4]倪志偉，方清華，李蓉蓉，李一鳴.改進蟻群算法在基于服務質量的Web服務組合優化中的應用[J].計算機應用，2015，35（08）：2238-2243+2279.[5]李東魁，烏蘭圖雅，朱艷龍.基于MATLAB的串-并聯網絡可靠性優化智能算法比較研究[J].電子商務，2015（08）：58-60+74.[6]黎冰，王靜，顧幸生.基于改進蟻群算法的多目標Job-shop動態調度[J].華東理工大學學報（自然科學版），2015，41（04）：523-528.[7]丁振青，劉馳，熊庭剛.基于負載均衡和能源消耗的虛擬機放置研究[J].計算機與數字工程，2015，43（11）：1962-1967.[8]肖菁，陳鳳蓮，湯健超.基于蟻群算法的多目標優化技術研究[J].華南師范大學學報（自然科學版），2014，46（01）：1-6.[9]蒙秋男，劉海軍，趙聰.面向流水線生產的分布式供應商計劃方法[J].系統工程，2016，34（01）：108-115.[10]夏小云，周育人.蟻群優化算法的理論研究進展[J].智能系統學報，2016，11（01）：27-36.[11]李婭，秦憶.一種基于分解的、改進的多目標蟻群算法及其應用[J].科學技術與工程，2016，16（12）：89-96.[12]方清華，倪麗萍，李一鳴.求解物流Web服務組合問題的兩階段多目標蟻群算法[J].中國機械工程，2016，27（10）：1327-1336.[13]周曉靜.基于參數自適應蟻群算法對多目標問題的優化[J].電腦知識與技術，2016，12（13）：203-205.[14]黃風立，林建平，鐘美鵬，許錦泓.注塑成型工藝多目標穩健設計及優化算法[J].同濟大學學報（自然科學版），2011，39（02）：287-291+298.[15]侯景偉，孔云峰，孫九林.基于多目標魚群-蟻群算法的水資源優化配置[J].資源科學，2011，33（12）：2255-2261.[16]王大為，樸在林.基于序優化和模糊蟻群算法的多目標配電網重構[J].電網與清潔能源，2016，32（09）：44-49.[17]蔡杰，陳意，花勝強.基于多目標蟻群算法的水電站AGC機組組合與負荷分配優化[J].西北水電，2017（01）：58-61.[18]汪圓圓，陳順懷.多目標蟻群算法在集裝箱配載問題中的應用[J].武漢理工大學學報（交通科學與工程版），