北京Ｔ业大学丁学硕十学位论文

选择下一个城市的行为，另一方面，它会以这两个城市为中心向外扩散，影响该城市附近的其他城市上蚂蚁的选路行为。

ＰＤＡＣＯ算法首先建立一个以城市信源为中心的信息素扩散浓度场，因空气中信息素的浓度随着与信源之间的距离的增大而减小，该扩散浓度场近似服从正态分布，且客观反映了城市上信息素浓度与其到信源之间距离的反比关系。在简化的圆锥体扩散模型中，如果城市Ｃ与信源Ｏ相邻，则位于城市Ｃ上的蚂蚁能够感受到信源０所挥发的信息素浓度Ｄ。的计算公式如（２－１４）所示：

Ｄ０＝Ｄ。 （（厅丰ｔｇＯ一盯）／（力 培臼））（２—１４）其中，Ｄ。，为信源０处的信息素浓度，ｈ为简化的圆锥体模型高度，０为圆锥体锥面与中心轴的夹角（为一设定的固定参数），ｈ＊ｔｇ０为扩散范围的半径ｒ，０为位于扩散范围中的城市Ｃ与信源Ｏ的距离。

ＰＤＡＣＯ算法根据简化的信息素扩散模型进行相邻路径信息素的更新。假设蚂蚁ｋ刚走过的两个城市ｉ和ｊ之间的距离为ｄⅢ该蚂蚁所留的信息素将以ｉ和Ｊ为信源向周围扩散，即以ｉ和ｊ为中心形成扩散的浓度场，并按简化的扩散模型向周围扩散。这种扩散不仅影响城市ｉ和ｊ上的其他蚂蚁选择下一段路径，也会影响位于扩散范围内其他城市上蚂蚁的选路。若任一城市ｌ满足ｄ。。≤ｒ或ｄ，，≤ｒ，则该城市上的蚂蚁在进行下一城市的选择时将受到城市ｉ或ｊ信源的影响，即蚂蚁ｋ的本次行动不仅会导致路径％上信息素的变化△‘＝Ｑ／ｄ，，（Ｑ为常数），而且也会影响一些相邻路径的信息素浓度变化，如路径口。，或口，，上信息素浓度的变化可表示为△ｒ：＝瞒，△ｆ：＝Ｄ：。令ｈ＝孑州／（ｄⅡ）。，其中（＾）为大于１的可调常数，ｄ为各城市间的平均距离；且以ｉ为中心扩散时Ｏ＇ｊ＝以，以ｊ为中心扩散时仃，：ｄｆ』，并设Ｄ。＝，幸Ａｒ：，Ｙ为小于１的可调常数，则：

科－｛警”警ｃ⑩，如果以ｓ铲

磁－』警”等娑碱如果办ｓ等Ｉｏ＇否则防㈣

沿㈨

１０，否则

依据这种扩散模型，每只蚂蚁每走一步，不仅会改变其所经过的那段路径上的信息素浓度，而且会改变邻近的扩散范围内的多条路径上的信息素浓度，这种改进提高了蚁群中个体之间的合作效果，增强蚁群算法的有效性，更凸现了群集