辽宁科技大学本科生毕业设计（论文） 第 12页
参数初始化，Nc 开始 ?0 Y Nc?Nc?1k?1k?k?1 计算状态转移概率选择下一个转移城 修改禁忌表 k?m? N 更新每条路径上的信息N满足结束条？ Y 输出程序计算结果 结 束 图2.1 蚁群算法的程序流程图
辽宁科技大学本科生毕业设计（论文） 第 13页
2.3 算法的主要参数分析
蚁群算法中包括：启发因子?、信息素挥发系数ρ、蚂蚁数目M、β自启发量因子、启发因子α、信息素强度Q。这些参数的选择都将影响最后求得的答案结果。 2.3.1 启发因子α和自启发因子β
?值的大小首先表明的是留在每个下属节点上的信息量所能受到的重视程度，?值
越大那么说明蚂蚁再次走过刚刚走过的路线，可是如果数值过大就会让寻找过早掉进点面的最小解；?值的大小事关启发式信息受重视的程度，如果?值变大，那么蚂蚁选择距离它最近的那条路线的可能性也就越大。在实际应用时候如果蚁群不去想信息素有何影响，那么该算法是一个用自启发量为?的完全启发式搜索。尤其是我们不用这个自启发量时，这样求解方式完全退步为随机检索方式。 2.3.2 信息素挥发度ρ
我们所应用的蚁群算法，设定的蚂蚁是跟人一样可以记忆的，那么时间不断增加的情况下，之前蚂蚁经过时留下的信息素就会消散。这样我们用ρ表示信息消逝程度，这样θ就是以前蚂蚁经过时候留下的信息素的残留。还有蚁群算法的缺点也是明显的，跟普通的老式升级算法相同，一样有着收放速度慢，简单掉进面点等 优一级问题。而信息素挥发度ρ的大小，就会到蚁群算法的整部搜索能力和收放速度。因为信息素的挥发度ρ的存在。那么下一步解决的问题规模不小时，这样就使得那些一直没有被搜索过的路径上的信息量缩减至近似到零的数值，这样就会使整体主路线的寻去能力下降当遗留参数θ增大时，那么以前曾经走过的那条寻找食物的路经将会被再次寻找，这样就会增加甚至影响到算法的不稳定性能和全局搜索能力；相反如果把残留度θ数值减少，那么在提高算法的随机性和全局搜索能力；也会减慢算法的收敛速度。所以在求解运算过程中就要所选取合理的θ数值。 2.3.3 蚂蚁的数目M
随着搜索算法中包含蚁群算法，ANTS算法也是借助N个待选项（可行解的单个小
辽宁科技大学本科生毕业设计（论文） 第 14页
集）组成的全部的的进化过程来的优质回答，这其实是跟其他模拟进化算法一样的，那么就要求在这个过程中不光需要你单独个体的自适应能力。同时也对群体之间的互助扶持提出了更高的要求。面对旅行商的问题，单独蚂蚁从蚁穴到食物之间所走过的路线其实就是问题解决的一个方案，可见分支越大，那么就更能提高蚁群算法的全局搜索能力，可以增加算法的稳定性，不过，如果蚂蚁的整体数目增加之后，就会让很多以前被查阅的答案路线上的信息量变化显得比较均很，这样的算法中的信息正反馈作用就显示不出来了，查阅的广泛性可能得到了一定的增强，可是相对收敛的速度就会减缓迟钝。
相反来说，如果算法的子集较小 ，尤其当下需要解决的问题规模比较庞大是，就必须让查阅的随意性变小了由于收敛速度变缓慢，那么算法的整体性能变差，所以数量的选择完全根据实际情况来则取。 2.3.4 信息素强度Q
信息素强度Q为蚂蚁循环一周时释放在所经过路径上的信息素总量。Q越大，蚂蚁在以遍历路径的信息素的累积越快，加强了蚁群搜索时的正反馈性，有助于算法的快速收敛。
辽宁科技大学本科生毕业设计（论文） 第 15页
3 虚拟企业风险规划模型
电子商务环境下的虚拟企业面临的市场复杂多变，竞争异常激烈。企业要想抓住稍纵即逝的机会，就要从各方面进行分析，从而使决策者能够做出正确的决策。因此企业的决策者需要对整个项目进行风险评价、控制，从而使项目能够顺利完成。
3.1马尔可夫过程
马尔可夫过程是一种比较常用的随机过程，它描述的是这样的情形：一个系统具有有限个状态，系统在下一时刻的状态取决于系统现在所处的状态，而与以前的状态无关，即系统的无后效性。系统由一种状态转移至另一种状态的过程称为马尔可夫过程。如果过程是平稳的，状态转移概率和时间无关，则这个马尔可夫过程是齐次的。马尔可夫过程按照其状态是离散的或是连续的，分别称为状态离散的马尔可夫过程或状态连续的马尔可夫过程。时间和状态均离散的一系列马尔可夫过程的全体称为马尔可夫链。
马尔可夫链分析是利用状态间的状态转移概率pij来反映系统状态的动态变化，pij表示从第i状态经过一步转移到第j状态的概率，0?pij?1?i,j?1,2,?,n?。以状态转移概率pij为元素的矩阵称为马尔可夫链的一步状态转移概率矩阵，简称转移矩阵，记为
P，其每行元素之和为1。
?p11?pP??21????pn1p12p22pn2p1n???p2n??
?????pnn??? （3.1）
如果马尔可夫链上的两状态可以相互转移，则称两状态是连通的。如果状态空间中的任意两状态都是连通的，则称此状态空间是连通状态空间。根据连通的概念，马尔可夫的状态空间可以分为不返回状态（过渡态）和吸收态。在马尔可夫链中如果有的状态一旦进入就不能离开，则此状态称为吸收态。在马尔可夫链中，如果有的状态不属于吸收态，则称之为不返回状态。
一个具有n个不返回状态和m个吸收状态的马尔可夫链可以表示为下列转移矩阵：
辽宁科技大学本科生毕业设计（论文） 第 16页
nm?QP????R? ?I?mn （3.2）
其中：Q表示系统的不返回状态之间的关系；R表示不返回状态和吸收态之间的关系；I：m阶单位矩阵；?：m?n零矩阵。易知，矩阵Q??qij?n?n，其中0?qij?1（对所有的i,j）且?qij?1，（1?j?n）。
i?1n吸收马尔可夫链具有下列基本性质：
（1）矩阵F??fij?n?n称为基本矩阵，其中fij是已知进入状态xi中的系统在吸收前到达不返回状态xj中的平均次数。
F??I?Q?
?1 （3.3）
这里I为n阶单位矩阵，Q为n阶矩阵。
（2）矩阵B??bij?n?m称为吸收矩阵，其中bij是系统在状态xi开始而在状态xj中被吸收的概率，
B?FR （3.4）
这里R为n?m矩阵。
3.2 网络分析技术
网络分析技术也称网络计划方法
[11]
，是一种关于生产组织和管理的数学方法，是随
着现代科学和工业市场的发展产生于20世纪60年代的美国。20世纪60年代初期，在我国著名数学家华罗庚教授的倡导下，网络分析技术开始在我国国民经济各部门得到应用。网络分析技术的基本原理是：首先应用网络图的形式来表达一项计划中每项工作的先后顺序和相应的逻辑关系，然后通过对网络图中时间参数的计算，找出计划中决定期的关键性工作，再按一定的优化目标不断优化和改善计划安排，使计划达到优化目标，并在计划的执行过程中，通过检查、控制、调整等确保计划目标的按期实现。 为了适应现代化生产发展和现代科学研究对组织、计划工作的需要，人们在网络计