[发明专利]一种基于蚁群算法的动态联盟伙伴选择方法

权利要求书

1、一种基于蚁群算法的动态联盟伙伴选择方法，其特征在于，包括如下步骤：

1)根据制造企业动态联盟的具体情况，建立相应的制造协同链-MCC，然后根据各个环节对资源的需求特点，确定每个环节的评价指标体系以及每个环节的指标约束值；

2)根据实际条件确定环节v_i的侯选角色元的组合性能矩阵，计算v_i的侯选角色元可以产生的2-可重组合，以及环节v_i的侯选角色元到v_i+1的侯选角色元之间的通道性能矩阵，在此基础上建立候选伙伴有向图CEC＝(CEV，CEA)，CEV＝{1，2，…，n}是候选结点集合，CEA＝{(i，j)}是边的集合；

3)利用小生境蚁群算法(MACO)选择最佳候选角色元组合。

2、根据权利要求1所述基于蚁群算法的动态联盟伙伴选择方法，其特征在于，所述小生境蚁群算法(MACO)的实现步骤：

1)初始化：设定最大循环次数Cyclemax，蚂蚁数m。开始时，所有的m个蚂蚁都集中在起点S。赋予每条边上相等数量的信息量τ₀＝C，C常数；

2)路径选择：蚂蚁k从S点出发，按照选择策略，从和S相关联的结点的集合中，选择一个结点a，以及a的一条后继边；然后，再从这条边连接的另一结点b开始，从和b相关联的边的集合中，选择另一条边。如果蚂蚁走到某结点，该结点没有后继结点，则蚂蚁死亡，删除该蚂蚁经过路径的记录，标记此结点为断路，下次不再选择此结点；

以此类推，直到搜索到终点E。于是，蚂蚁k得到一个从S到E的解。蚂蚁k搜索完后，其余的蚂蚁按照和k相同的方法，搜索出从S到E的其它路径；

3)局部搜索：当m只蚂蚁搜索完后，求得m个解，包括重复的，蚂蚁个体之间交流信息，借助小生境信息差对路径“再探索”。小生境信息差是通过对这m个解采用遗传操作，遗传交叉，遗传变异，来实现的，利用遗传算法，进行局部搜索，得到局部最优解；

4)更新信息素：在每一次搜索周期结束时，即所有蚂蚁到达目的地时，更新全部路径的信息素；

5)求全局最优解：到当前迭代次数为止，所建立的所有局部最优解中，最小值的解作为当前迭代次数的全局最优解，即最短路径的距离值。

3、根据权利要求1所述基于蚁群算法的动态联盟伙伴选择方法，其特征在于，所述2-可重组合为：一个环节角色最多由两个角色元联合起来承担的情况，当两个角色元联合时，设两者的先后次序不影响它们之间的物流指标，且相同角色元的组合等同于单个角色元。