陈孟涛，李志华，邓跃设，杨 雪

（1.江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室，江苏 无锡214122；2.无锡晓山信息产业股份有限公司，江苏 无锡214122）

0 引 言

群体智能是人工智能研究的一个热点问题，蚁群算法就是利用群体智能解决组合优化问题的典型算法，由意大利学者M.Dorigo等人［1－2］首先提出的一种新的启发式算法，主要是模拟了真实蚂蚁相互协作找食物的过程。它在解决传统算法无法解决的组合优化和NP等难题上能够取得很好的效果，并且具有求解复杂问题的能力，在智能优化领域表现出强大的生命力。目前主要是运用在旅行商问题（TSP）、分配问题、Job－shop调度问题、车辆调度等问题求解，并迅速地推广到其他应用领域，因此对它的研究不论是在理论上还是在实际应用中都具有十分重要的意义。蚁群算法的鲁棒性较强、能进行分布式计算、同其他优化算法结合容易且算法并没有复杂的数学操作对软件和硬件要求不高等优点，但也存在搜索时间长且容易陷入局部最优解的问题［3］。Thomas Stutzle等学者提出的 MMAS算法［4］，其主要的基本思想是对路径上的信息素进行限制，以克服算法早熟早收敛的问题。虽然算法在性能和求解速度有所提高，但仍然存在一些缺陷，比如容易出现停滞和过早陷入局部最优。针对蚁群算法存在的这些缺陷，本文在MMAS算法基础上，提出了基于混合行为的蚁群（hybrid behavior ant colony，HBAC）算法，该算法具有较好的搜索能力和收敛速度，比较好地克服了上述缺陷。……