从创新链网络知识转移粘滞赋权图中各种可能的崩溃路径中确定H max是一类特殊的旅行商问题（TSP：Traveling Salesman Problem），属于组合优化问题的研究范畴。由于我们所面对的创新链网络中含有节点企业的数目可能较多，无法利用简单的穷举法进行运算，因此我们引入蚁群算法进行求解。
蚁群算法是20世纪90年代由意大利的M．Dorigo等学者受对真实蚁群行为研究的启发而提出的。其计算原理是：首先生成一定数量的人工蚂蚁蚁群，并为每一只人工蚂蚁建立一个解或解的一部分。每只人工蚂蚁从问题的初始状态出发，根据信息素的浓度，选择下一个要转移到的状态，直到建立起一个解。每只蚂蚁根据所找到的解的好坏程度，在所经过的状态上释放与解的质量成正比的信息素。
目前具代表性的蚁群算法为：设有m只蚂蚁分布在n个顶点上，则蚂蚁k从顶点i转移到顶点j的概率为：p k（i，j）＝
，其中τi，j表示顶点i和顶点j之间的信息素，可以取一个常数为初始值；ηi，j取赋权图的权值w i，j表示；J k（i）是允许蚂蚁k选择的顶点集，而禁忌集tabu k（k∉1，2，…，m）来记录蚂蚁k目前已经经过的顶点；α＞β＞0表征信息素与ηi，j对权值w i，j的重要关系。状态转移规则为：j＝
·w iβ，j，q＜q 0，J的取值将由蚂蚁k从顶点i转移到j的概率决定。设参数（1-p）表示信息素消逝度，则信息素含量的更新规则为：τi，j←（1-ρ）·τi，j+ρ·Δτi，j，其中Δτi，j＝γ·
），0≤γ＜1。完成一次对所有顶点的访问后，赋权图中所有边信息素的更新规则为：τi，j←（1-ρ）· τi，j+ρ· 
，其中
＝
，如果蚂蚁k遍历所有顶点，则称k满足可行解；另外如果迭代过程到达预先设置的终止时间T或无退化行为即找到的都是相同解，则迭代过程结束，输出计算结果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
