辽宁科技大学本科生毕业设计（论文） 第 22页
择第j种可能性的信息素浓度，?，?分别代表信息素浓度和启发因子的相对重要?ij代 表启发信息，其表达式为 ?ij?L*b???K*C?uijijv （4.3）
bij代表第i个工序选择第j种情况的完工概率，Cij 代表第i个工序选择第j种情况的完工
费用；L,K是常数；u,v分别代表完工概率和完工费用的重要性。
算法步骤如下：
步骤1 nc为迭代次数，对工序i采用第j种情况时?ij?c（其中c为一个很小的正数）
??ij=0。
步骤2 将m个蚂蚁放在m个工序上，对每个蚂蚁i，在{0,1…..,Ji }内随机选取一种情
况,生成一个初始解,并计算相应的目标函数值。
步骤3 对每个蚂蚁i按转移概率Pij选择控制措施，根据公式（4.1）
?min Fn?maxbi(ti)i?1,2,....N?,?pmax0(,?Ci(ti)?C0)?qmax0(,?ti?T0)
i?1i?KN计算相应的目标函数值，如果该目标函数值优于当前最优值，则将其赋给当前最优值。
步骤4 nc?nc?1;判断nc是否达到指定的迭代次数，若是，转移到 步骤5；否则更新
路径。改变量：
?a*Fn,??ij???0,工序i选择j方案工序i未选择j方案 （4.4）
newold????ij???ij ?ij信息素更新强度：?ij?代表信息素的残留度。然后，转步骤三。
步骤5 输出最优目标函数值及所选工序方案的组合。
辽宁科技大学本科生毕业设计（论文） 第 23页
4.3仿真分析
蚁群算法中的参数选择直接影响算法的效率，可以通过仿真分析确定合理的参数组合，本实例所考虑的三个因素分别为完工费用、完工时间、完工概率。共有13个实工序和2个虚工序，每个工序又有几种方案，如表1所示。可用的完工时间为58天，完工费用为19600元，若该问题不加约束条件的话共有155520种情况。
表4.2 各工序的方案个数
工序序号 选择方案数
1 2
2 3
3 3
4 2
5 3
6 3
7 3
8 2
9 2
10 2
11 5
12 2
13 2
14 1
15 1
仿真分析如表4.2——表4.8所示，较好率为运行100次，最好解所占的比率。 为了找出信息素的重要度与启发因子的重要度对较好率的影响,进行了大量的实验计算,当信息素α=4时较好率较为理想,当α值减小时,较好率明显下降（如表4.3）。当启发因子β=[9.7955,9.8555]时,较好率较为理想,当β减小时,较好率下降非常明显(如表4.4)。
表4.3 信息素的重要度对较好率的影响
α 4 3 2
β 9.8 9.8 9.8
u 9 9 9
V 26 26 26
NC 100 100 100
ρ 0.7 0.7 0.7
较好率 95% 89% 73%
表4.4 启发因子的重要度对较好率的影响
α 4 4 4
Β
[9.7955，9.8555]
9.75 9.4
U 9 9 9
v 26 26 26
NC 100 100 100
ρ 0.7 0.7 0.7
较好率 95% 61% 53%
表4.5和表4.6表明，完工概率和完工费用的重要度对较好率的影响，完工概率和完工时间构成了启发因子，完工概率和完工费用的重要度的变化使得启发因子的改变，
辽宁科技大学本科生毕业设计（论文） 第 24页
从而对较好率产生了影响。根据表4.5可知，当完工概率的重要度u=[8.7738,9.1015]达优率较好；随着u增大，较好率下降。根据表4.6可知，当完工费用的重要度v=[25.9455,26.1255]时，较好率较好，随着v下降，较好率下降。
表4.5 完工概率的重要度对较好率的影响
α 4 4 4
β 9.8 9.8 9.8
U [8.7738,9.1015]
9.5 12
v 26 26 26
NC 100 100 100
Ρ 0.7 0.7 0.7
较好率 95% 76% 71%
表4.6 完工费用的重要度对较好率的影响
α 4 4 4
β 9.8 9.8 9.8
u 9 9 9
v
[25.9455,26.1255]
24 15
NC 100 100 100
Ρ 0.7 0.7 0.7
较好率 95% 65% 61%
表4.7表明了迭代步数对较好率的影响，随着迭代步数NC的增大，较好率增大，当NC超过100时较好率上升的不太明显，因为NC=100时，较好率已经达到95%了。
表4.7迭代步数对较好率的影响
α 4 4 4
Β 9.8 9.8 9.8
u 9 9 9
V 26 26 26
NC 50 100 500
ρ 0.7 0.7 0.7
较好率 90% 95% 96%
由表4.8可知，当信息素的残留度ρ=0.7时，较好率更高，当0.7<ρ<1时,较好率为92%略低于ρ=0.7时的较好率;随着ρ减小，较好率开始下降。
辽宁科技大学本科生毕业设计（论文） 第 25页
表4.8 信息素的残留度对较好率的影响
α 4 4 4
Β 9.8 9.8 9.8
u 9 9 9
V 26 26 26
NC 100 100 100
ρ 0.9 [0.68,0.74]
0.1
较好率 92% 98% 88%
辽宁科技大学本科生毕业设计（论文） 第 26页
结论
在当今这个世界经济迅速发展的时代，虚拟企业成为了全球化大生产的必要组成部分，电子商务下的虚拟企业的风险管理成功与否，直接影响着全球化生产经营的成败。企业往往在有限的时间和资金情况下去追求风险管理成功的概率。然而，这却是一个非常困难的组合问题。随着问题规模的扩大，组合的情况将成为爆炸式的扩大，因此，用通常的枚举法是不可取的。而蚁群算法作为一种群体智能的随机优化方法却可以很好的解决这种问题。蚁群算法的随机搜索本质使其不容易落入局部最优解；同时，其基于适应性的概率进化特征有保证了算法的快速性及合理性，这也是与其他智能算法相比的一个优点。本文就是采用了蚁群算法求解关于一项含有约束条件（费用和时间）的工程的完工概率的问题，从本文中看，我们发现蚂蚁算法对求解组合优化问题的快速性和合理性。然而，关于蚁群算法的研究尚处于初始阶段，其正确性和有效性尚未得到数学上的解释，许多问题还有待于进一步研究。