论文部分内容阅读
蚁群算法(Ant Colony Algorithm，ACA)是人们受到自然界中真实蚁群集体行为研究成果的启发而发展起来的一种新型的模拟进化算法。它具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等优点，具有很好的发展前景。本文首先对蚁群算法的基本原理进行了介绍，给出了几种改进的蚁群算法，通过对这些算法作了比较系统的对比与分析。提出一种改进的自适应蚁群算法的一般模型。除此之外，并针对蚁群个体设计了交叉、变异和选择操作，使得在进化的过程中可以自适应的调整算法参数，蚁群算法发展演变成了一个全新的模式。将改进的进化自适应蚁群算法应用于生物遗传领域进行DNA序列比对，通过算例仿真表明算法的有效性；并从理论方面对该算法进行了收敛性证明。实验结果表明，在DNA的序列比对中改进的蚁群算法比基本蚁群算法更加有效。