系统工具 管理软件 编程开发 桌面工具 网吧管理 翻墙软件 办公应用 下载工具 光盘工具 邮件群发 翻墙软件 破解软件 形象设计 个人形象 企业形象 艺人形象 公共形象 国际形象 翻墙 破解 形象 free software download windows software download linux software download Macintosh software download mobile software download software download download windows software download linux software download Macintosh software download mobile software windows download crack software linux download Macintosh download mobile download

蚁群算法的应用进展
以蚁群算法为代表的群智能已成为当今分布式人工智能研究的一个热点，许多源于蜂群和蚁群模型设计的算法己越来越多地被应用于企业的运转模式的研究。美国五角大楼正在资助关于群智能系统的研究工作-群体战略（Swarm Strategy），它的一个实战用途是通过运用成群的空中无人驾驶飞行器和地面车辆来转移敌人的注意力，让自己的军队在敌人后方不被察觉地安全进行。英国电信公司和美国世界通信公司以电子蚂蚁为基础，对新的电信网络管理方法进行了试验。群智能还被应用于工厂生产计划的制定和运输部门的后勤管理。美国太平洋西南航空公司采用了一种直接源于蚂蚁行为研究成果的运输管理软件，结果每年至少节约了1000万美元的费用开支。英国联合利华公司己率先利用群智能技术改善其一家牙膏厂的运转情况。美国通用汽车公司、法国液气公司、荷兰公路交通部和美国一些移民事务机构也都采用这种技术来改善其运转的机能。鉴于群智能广阔的应用前景，美国和欧盟均于近几年开始出资资助基于群智能模拟的相关研究项目，并在一些院校开设群体智能的相关课程。国内，国家自然科学基金”十五”期间学科交叉类优先资助领域中的认知科学及其信息处理的研究内容中也明确列出了群智能领域的进化、自适应与现场认知主题。

早就听说51.com robots了，今天本想去看看它的robots.txt文件的，结果：

看来51.com真的把robots.txt删除了，那搜索引擎就会按默认的方式抓取51，刚查了51的收录：

百度现在只收录首页，相信过一阵收录就会有变化。

很久没真正登陆google去查东西了，现在都习惯用综合搜索去查东西，今天上google首页一看，下面加了条东西：

加了一排很实用的功能，看来google更注重人性化了，这样的变化，不知道你有没有发现呢？^^

现在给出PHP中的完美解决方案，无论是采用普通ASCII码，还是UTF-8格式存储，提交的中文字符奇偶，都没有问题。
采用普通文件格式ASCII码存储，保存为testgb.php

蚁群算法的特点
1）蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。如果系统在获得空间的、时间的或者功能结构的过程中，没有外界的特定干预，我们便说系统是自组织的。在抽象意义上讲，自组织就是在没有外界作用下使得系统墒增加的过程（即是系统从无序到有序的变化过程）。蚁群算法充分休现了这个过程，以蚂蚁群体优化为例子说明。当算法开始的初期，单个的人工蚂蚁无序的寻找解，算法经过一段时间的演化，人工蚂蚁间通过信息激素的作用，自发的越来越趋向于寻找到接近最优解的一些解，这就是一个无序到有序的过程。

经过一定时间，从食物源返回的蚂蚁到达D点同样也碰到障碍物，也需要进行选择。此时A, B两侧的信息素浓度相同，它们仍然一半向左，一半向右。但是当A侧的蚂蚁已经完全绕过障碍物到达C点时，B侧的蚂蚁由于需走的路径更长，还不能到达C点。如图3所示。
 
图3 蚁群在障碍物前经过一段时间后的情形

蚁群算法原理
如上所述，单个蚂蚁的行为极其简单，但由这样的单个简单的个体所组成的蚂蚁群体却表现出极其复杂的行为，能够完成复杂的任务，不仅如此，蚂蚁还能够适应环境的变化，如：在蚂蚁运动路线上突然出现障碍物时，蚂蚁能够很快地重新找到最优路径。在此过程中，信息素起着重要作用，蚂蚁在运动过程中能够感知这种物质的存在及其强度，并以此指导自己的运动方向，蚂蚁倾向于朝着该物质强度高的方向移动。蚂蚁个体之间就能通过这种信息的交流达到搜索食物的目的。正是利用这一基本性质，蚂蚁才能在遇到障碍物的情况下，重新找到一条新的最短路径。
假定从蚁穴到食物源之间原来有一条路径。如图1所示，星星代表蚂蚁。
 
图1  蚁穴到食物源间的原有路径
当路径上出现障碍物时，那些刚好在障碍物前C点的蚂蚁不能继续沿着以前有信息素的路径前进，这样它们必须选择向左还是向右。假设这时一半的蚂蚁向左，而另一半的蚂蚁向右，则障碍物两侧的蚂蚁个数和信息素浓度都是均匀的，如图3.2 所示。

图 2  蚂蚁遇到障碍物初始时刻的转移
未完待续……

蚁群算法的由来：
蚂蚁是地球上最常见、数量最多的昆虫种类之一，常常成群结队地出现在人类的日常生活环境中。这些昆虫的群体生物智能特征，引起了一些学者的注意。意大利学者M.Dorigo，V.Maniezzo等人在观察蚂蚁的觅食习性时发现，蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素（Pheromone）的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究，他们发现，整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。
这样，M.Dorigo等人于1991年首先提出了蚁群算法。其主要特点就是：通过正反馈、分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。同时，该算法还被用于求解Job-Shop调度问题、二次指派问题以及多维背包问题等，显示了其适用于组合优化类问题求解的优越特征。
多年来世界各地研究工作者对蚁群算法进行了精心研究和应用开发，该算法现己被大量应用于数据分析、机器人协作问题求解、电力、通信、水利、采矿、化工、建筑、交通等领域。
蚁群算法之所以能引起相关领域研究者的注意，是因为这种求解模式能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。其中，寻优的快速性是通过正反馈式的信息传递和积累来保证的。而算法的早熟性收敛又可以通过其分布式计算特征加以避免，同时，具有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力，已经在最初的算法模型基础上得到了
很大的改进和拓展。

换了新主机，只是rewrite读写，赶紧将小博该成伪静态啦，现在所有的链接都为.html，不知道搜索引擎会不会因此而收的更多呢^^