我正在学习如何将max-min蚂蚁系统添加到我当前的蚂蚁系统中。从我读过的试验信息素初始化tMax，tMax计算，
tMax = 1 / best tour length
但如果它依赖于尚未存在的游览，那么如何将踪迹信息素初始化为tMax呢？
tMin还依赖于tMax，这也使得在没有最佳解决方案的情况下无法进行初始化。
答案 0 :(得分：0)
在MMAS中，所有边缘都初始化为 tauMax ，但tauMax的定义与您上面所说的略有不同：
tauMax <-- 1 / (rho * bestTourSoFarLength),
其中rho是蒸发率（通常设置为0.5），并且对游览长度的关注最好到目前为止（见下文）。每次现有的最佳游览（到目前为止）更新时，在算法执行期间反复更新tauMax。
对于初始化，启发式构建初始可行游览。通常，使用随机起始城市的最近邻居游览。
回想一下，在蚁群优化（ACO）/ MMAS等随机优化方法的背景下，我们通常无法证明算法终止时最佳现有解决方案（巡视）的最优性（我们从实践中知道，但是，ACO / MMAS在一些问题上表现良好，最明显的是旅行商问题（TSP）的变化。因此，在诸如此类的背景下，术语“最佳解决方案”＃34;非严格地表示来自不同作者的不同含义; ＆＃34;目前为止最好＆＃34;，＆＃34;最好在算法终止＆＃34;等等，在阅读有关该主题的文献时要注意这一点。
最后，作为一个注释，tauMin取决于 - 正如您已经注意到的那样 - 在tauMax上，但通常在初始化后不会更新。当施加信息素限制时，重要的动态＆＃34;部分是单调递减的tauMax，而大多数边缘的信息素最终将由于蒸发而落在恒定的tauMin上。 tauMin的合适值由可怕的表达式（基于经验数据）给出
tauMin = tauMax*(1-(0.05)^(1/n))/((n/2-1)*(0.05)^(1/n)).