蚁群算法收敛性 问题

严格来说要信息素在迭代过程中不再改变或者至少得到的解不再改变才算收敛。但是这通常是在理论分析中才这样认为。在实际应用中，由于算法中本来就引入了许多随机因素，在算法设计合理的情况下，使很难达到这种状态的。所以实际中可能只要某一条路径上的信息素所占比例非常大了，就当做是收敛了，或者是直接根据多次迭代得到的最优解没有改进就认为算法收敛了。如果要保证算法收敛性，那只能从理论上进行分析了，已经有很多论文证明了部分蚁群算法是能以概率1收敛到最优解的，例如Dorigo等人提出的ACO(bs,tau_min)，MMAS，ACS等。如果你在使用这些算法的时候发现不收敛，那么可以考虑检查一下是否是因为某些参数设置不当而导致收敛速度太慢。

我得到的解是一个分散的解，并没有一个统一的最小值，一直处于震荡状态，不知道是什么原因。但是在迭代过程中的最优值非常好�

我搞不懂你的问题.

我的qq是81874593
我把试验图片发下来
你看�

本次循环中，最优值为: 0.117715
本次循环中，最优值为: 0.0514928
本次循环中，最优值为: 0.17767
本次循环中，最优值为: 0.176223
本次循环中，最优值为: 0.0779168
本次循环中，最优值为: 0.099342
本次循环中，最优值为: 0.0830792
本次循环中，最优值为: 0.206929
本次循环中，最优值为: 0.035147
本次循环中，最优值为: 0.0549079
本次循环中，最优值为: 0.173697
本次循环中，最优值为: 0.18546
本次循环中，最优值为: 0.0774232
本次循环中，最优值为: 0.131395
本次循环中，最优值为: 0.0625982
本次循环中，最优值为: 0.0605861
最小值为: 0.00281321
此时变量值a为0.230835
此时变量值b为0.585528
此时变量值p为0.139601
此时变量值q为0.701274
循环次数为5754
0.00326688
0.00279539
请按任意键继续 . . .

而最小值0.00281321是一个非常好的结果�

你是说在你程序不收敛的情况下,结果中确会出现最优值.你想使你的程序能够收敛到最优解.

我是这么想的:在较优值出现以后,你的程序不能使它的优势显现出来(可能是信息素增量的比重不够),使较优路径上的成员(此路径上的每一条边)上的信息素含量和其他的可能边上的信息素差不多,不能使信息素收敛于此路径. 你的问题应该是出在信息素的更新方面.
你可以试试改进一下信息素的更新策略,例如每一次信息素的更新再多加一次对全局目前最优解的信息素更新,更新的比重上下调节一下.
还有就是你可以再试试,每次信息素更新只是更新本次迭代中的最好解和记录下来的全局最优解. 
你可以看一下这样能不能做到收敛.

这仅是我的个人观点,不知道是否对你的程序有用.

基本上是你说的意思�

请问，这里的最优解，是指什么最优解阿？
我做tsp的问题，结果中有最短路径和路径长度。
那这里的最优解是指什么啊�

tsp问题是给定N个城市，有一旅行商从某一城市出发，访问各城市一次且仅有一次后返回原出发城市,要求找出一条最短的巡回路径。

所以要得到最优解应该是具有最小长度的一个回路.而为了在数值上方便比较解的优劣大家都用路径长度来表示最优结果.

那像6楼的那些数据都是0。****这回路是不是太短了阿�

求解的问题不一样,他解决的应该不是TSP问题.应该是其他的问题,什么函数优化之类的问题.

大侠，有没有ACS和MMAS运行TSP实例结果的折线图？（至今最优解，和每次迭代最优解的曲线）
小弟在运行这两个经典算法的时候，总感觉运行结果不是很靠谱，能否贴一个参考下，感激不尽~~~