返回主题:强化学习与多智能体

知识卡片

结构图卡 · 3744.g

连续蚁群以概率密度采样解

理解等级:高级

离散蚁群把信息素存在“边”上,蚂蚁在有限条边中按概率选下一步。连续变量有无穷多个取值,没有可供标记的边,于是改把信息素表示成连续空间里的一个概率分布:哪里概率高,蚂蚁就更可能在哪里取值。

ACOR 的做法:

  1. 把蚂蚁至今找到的较优解存进档案,档案就是“信息素”。
  2. 以档案中的解为中心构造加权高斯核函数作为采样分布。高斯核即钟形分布,离中心越近概率越高;各解的权重不同,叠加后形成整体分布。
  3. 从这个分布中抽样,生成新的连续候选解,并计算目标函数。
  4. 用好的新解更新档案,分布也随之改变。

档案和分布承担了离散信息素的记忆作用:新解更可能落在历史好解附近,同时保留一定随机性。

结构图:

flowchart LR
  A[较优解档案] --> B[加权高斯核采样分布]
  B --> C[生成连续候选解]
  C --> D[计算目标函数]
  D --> E[更新解档案]
  E --> B
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 5 . 2 . 2 离 散 域 和 连 续 域 蚁 群 算 法 · 查看原书依据

      Dorigo等提出了ACOR(Algorithm for Continuous Optimization Problems)算法[29],该算法利用加权高斯核函数作为信息素概率分布函数,将蚂蚁搜索到的至今最优解作为信息素保存在档案里,并通过更新档案解来更新信息素。Coello等根据ACOR的规则提出了DACO[30],它通过一种替代机制改善蚁群多样性以探索更多区域来摆脱局部最优,更适合搜索空间大的连续域优化问题。

    参考来源

    - 位置:《智能算法导论》第 5 章“5.2.2 离散域和连续域蚁群算法”(`_epub-src/EPUB/xhtml/chapter5_0004.xhtml`)。 - 结论依据:正文先提出将离散信息素留存扩展为连续空间分布,再以 ACOR 的加权高斯核和解档案说明采样及更新。“高斯核即钟形分布、以档案解为中心叠加”是对术语的通用解释,为补充铺垫;原书未给出权重和方差的计算式。 - 原始内容:该算法利用加权高斯核函数作为信息素概率分布函数,将蚂蚁搜索到的至今最优解作为信息素保存在档案里,并通过更新档案解来更新信息素。