众文网1.计算机专业本科生做毕业论文一般用什么算法
一个程序的核心在于算法。
比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。
算法太多，也就不全部列举出来了，具体的还有用法，你自己看下书或去网上找下，都应该可以找到的：比如：贪心算法，蚁群算法，遗传算法，进化算法，基于文化的遗传算法，禁忌算法，蒙特卡洛算法，混沌随机算法，序贯数论算法，粒子群算法，模拟退火算法等等。
2.为什么很多论文都要用遗传算法,蚁群算法
蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
神经网络
思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。
逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然。蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
神经网络
思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。
逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面：
(1)生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。
(2)建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。
(3)网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。
(4)人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。
纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。
遗传算法，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。
3.求毕业设计：蚁群算法实验展示平台的构建与实现
说明：信息素权重，路径权重和信息素蒸发率对最后的结果影响很大，需要微调。
目前发现2 / 5 / 0.5 能达到稍微让人满意的效果。本程序离完美的ACO还差很远，仅供参考。
本蚁群算法为AS算法。用法：1.new一个对象ACOforTSP tsp = new ACPforTSP(tsp数据文件名，迭代次数，蚂蚁数量，信息素权重，路径权重，信息素蒸发率)；2.用go（)方法运行tsp.go();ACOforTSP.java___________________________________________________________________import java.io.File;import static java.lang.Math.pow;import static java.lang.Math.sqrt;import static java.lang.Math.random;import java.util.HashMap;import java.io.FileReader;import java.io.BufferedReader;/**** @author dvdface*/public class ACOforTSP {//城市的距离表 private double[][] distance； //距离的倒数表 private double[][] heuristic； //启发信息表 private double[][] pheromone； //权重 private int alpha, beta； //迭代的次数 private int iterationTimes； //蚂蚁的数量 private int numbersOfAnt； //蒸发率 private double rate; ACOforTSP (String file, int iterationTimes, int numbersOfAnt, int alpha, int beta, double rate) { //加载文件 this.initializeData(file)； //初始化参数 this.iterationTimes = iterationTimes； //设置蚂蚁数量 this.numbersOfAnt = numbersOfAnt； //设置权重 this.alpha = alpha; this.beta = beta； //设置蒸发率 this.rate = rate; } private void initializeData(String filename) { //定义内部类 class City { int no; double x; double y; City(int no, double x, double y) { this.no = no; this.x = x; this.y = y; } private double getDistance(City city) { return sqrt(pow((x - city.x), 2) + pow((y - city.y), 2)); } } try { //定义HashMap保存读取的坐标信息 HashMap 一个程序的核心在于算法。比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。 算法太多，也就不全部列举出来了，具体的还有用法，你自己看下书或去网上找下，都应该可以找到的：比如：贪心算法，蚁群算法，遗传算法，进化算法，基于文化的遗传算法，禁忌算法，蒙特卡洛算法，混沌随机算法，序贯数论算法，粒子群算法，模拟退火算法等等。 概念：蚁群算法（ant colony optimization,ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法.它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为.蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值其原理：为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃.这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序应用范围：蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内引申：跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点：1、多样性 2、正反馈 多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来.我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力.正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了.引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合.如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水.这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整.既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化.而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合.而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！蚁群算法的实现 下面的程序开始运行之后，蚂蚁们开始从窝里出动了，寻找食物；他们会顺着屏幕爬满整个画面，直到找到食物再返回窝.其中，'F'点表示食物，'H'表示窝，白色块表示障碍物，‘+’就是蚂蚁了.。 车辆路径问题（Vehicle Routing Problem，简称VRP）来源于交通运输，由Dantzig[1]于1959年提出，它是组合优化问题中一个典型的NP-hard问题，用于研究亚特兰大炼油厂向各加油站投送汽油的运输路径优化问题，并迅速成为运筹学和组合优化领域的前沿和研究热点，吸引众多学者对其进行研究。 通常用图G=(V,E)用来描述该问题[2]，在图G=(V,E)中，V={0,1,2，…，n},E={(i,j),i≠j,i,j∈V}，节点1表示仓库（depot），其它节点为客户。每个客户的需求为qi，边（i,j）对应的距离或运输时间或成本为Cij，所有车辆运输能力为Q，车辆从仓库出发，完成运输任务后回到仓库，每个顾客只能接受一次服务，问题的目标函数通常是车辆数和运输成本最小化。 由于该问题的复杂性，寻找到一种高效、精确的算法的可能性微乎其微，人们开始尝试利用仿生智能算法求解。 蚁群算法是一种新的群体智能启发式优化方法，适合求解车辆路径等组合优化问题。 最初由意大利学者Dorigo[3][4]等人提出用于解决旅行商问题，随着研究的不断深入，已经陆续渗透到电子、通讯、车间调度等工程领域。John E. Bell[5]将蚂蚁系统优化的亚启发式方法应用到VRP问题的求解。 Silvia[6]探讨了在车辆容量限制条件下的VRP问题，在亚启发式算法基础上提出了CVRP 的蚁群算法，并取得较好的效果。刘志勋[7]等在分析VRP和TSP区别基础上，构造了求解VRP的自适应蚁群算法，提出了近似解可行化的解决策略。 蚁群算法由于基本蚁群算法收敛速度慢且易陷于局部最优，很难在较短时间内对大规模VRP求得满意最优解，且该算法极易出现停滞现象，因此有必要对 算法进行改进。 转载请注明出处众文网 » 蚁群算法本科毕业论文4.计算机专业本科生做毕业论文一般用什么算法
5.蚁群算法的概念,最好能举例说明一些蚁群算法适用于哪些问题
6.基于改进蚁群算法的车辆路径问题研究