懒蚂蚁与懒管理

生物学家经过观察发现，在蚂蚁王国里有一种很不公平的现象，就是其中有20％的蚂蚁不干活：别的蚂蚁在忙碌着，他东走走，西逛逛，好象无所事事。为什么呢？生物学家发现，如果蚂蚁群中所需的诸如面包渣、茶叶子等食物没了，比如在一个宾馆找不到新的食物来源，找不到新的增长点。这时，那些懒蚂蚁站了起来，很自信地说：“跟我走!”。噢!生物学家明白了，所谓懒蚂蚁，不是“懒”，而是在思考、动脑。其实，这个现象与知识经济时代企业管理是相通的。在知识经济时代，尤其需要大量的“懒蚂蚁”、“懒”管理。这是因为知识经济时代对于全社会，都在发生着以下三大变化：     

企业高层要做懒蚂蚁

<正> 北京大学经济学院副院长郑学益教授,在阐述市场营销的理念时,提出一个"懒蚂蚁"的说法。生物学家研究发现,在一群蚂蚁中,大部分的蚂蚁在辛勤劳作搬运食物,却有一小部分的蚂蚁不干活,在东张西望,交头接耳。科学家通过分解、分化,发现无论蚂蚁多少,一群蚂蚁中总有10%到20%是不干活的懒蚂蚁。再注意观察,当食物来源减少、断绝时,当蚂蚁窝遭到毁坏时,勤蚂蚁束手无策,不知道该怎么办,这时懒蚂蚁就站了出来,带领蚂蚁到它早已侦察好的新的食物来源地,新的居住场所。蚂蚁的生存得以继续,勤蚂蚁又开始了辛勤的劳作。     

蚁群算法的基本原理及其在图像分割中的应用

一、引言 蚂蚁作为群居性昆虫，其群体行为所呈现的复杂智能，给人类以巨大的启发。对蚁群行为最早进行研究的是南非的EugeneMarais，其著作《蚂蚁的精粹》中详细的描述了对白蚁群体性工作的观察结果。受蚂蚁觅食行为的启发，意大利学者MarcoDofigo于1991年在他的博士论文中首次系统地提出了一种基于蚂蚁觅食行为的算法模型。现在蚁群算法已成为人工智能领域中一个非常重要、活跃的研究前沿。二、蚁群算法原理分析 蚂蚁缺乏视觉信息，它们通过一种称为信息素的物质进行信息的交互。当一只蚂蚁找到食物以后，它将食物拖回巢穴，并在沿途留下信息素，其余觅食的蚂蚁通过不同路径上的信息素浓度以一定的概率选择路径，信息素浓度大的路径被选择的概率较高。距离食物最短的路径由于信息素的浓度较大，从而使越来越多的蚂蚁选择该路径，这又促使该路径上的信息素浓度进一步加大。这种自动催化导致的协作行为形成一种正反馈机制，使得最短路径被越来越多的蚂蚁选择。以经典的双桥实验为例，假设蚂蚁分泌的信息素相等，并且不考虑路径上的信息素的挥发。     

懒蚂蚁与懒管理

生物学家经过观察发现,在蚂蚁王国里有一种很不公平的现象,就是其中有20%的蚂蚁不干活;别的蚂蚁在忙碌着,他东走走,西逛逛,好象无所事事。为什么呢?生物学家发现,如果蚂蚁群中所需的诸如面包渣、茶叶子等食物没了,比如在一个宾馆找不到新的食物来源,找不到新的增长点。这时,那些懒蚂蚁站     

蚁群智慧与管理思维

蚂蚁在一亿年前就开始生活了，和恐龙是一个时代的。谁也没想到，在地球上统治了一亿六千万年的恐龙灭绝了，而小得可怜的蚂蚁却奇迹般地活了下来。生物学家的研究告诉我们：长期的生物进化，不断地适应环境，在蚂蚁的世界里，产生了明确的组织分工和由此形成的组织框架。蚂蚁集结的时候能自我组织，不需要任何领导监督，便能够根据环境变动，迅速调整，找出解决问题的答案，有条不紊地完成工作任务。蚂蚁的这种智慧被科学界称之为“蚁群智慧”。并不是说蚁群比人类更聪明，但换个角度，人类那些过于复杂的智慧和情感有时又何尝不是前进道路上的障碍呢?还是让我们从蚂蚁那里获得一些智慧吧。     

管理者怎样才能轻松起来

英国科学家做过一个有趣的实验，他们把一盘点燃的蚊香放进一个蚁巢里。蚊香的火光与烟雾使惊恐的蚂蚁乱作一团，但片刻之后，蚁群开始变得镇定起来了，开始有蚂蚁向火光冲去，并向燃烧的蚊香喷出蚁酸。随即，越来越多的蚂蚁冲向火光，喷出蚁酸。一只小小的蚂蚁喷出的蚁酸是有限的，因此，许多冲锋的“勇士”葬身在了火光中。但更多的蚂蚁踏着死去蚂蚁的尸身冲向了火光。     

打造无敌团队

英国科学家做过一个实验，他们把一盘点燃的蚊香放进一个蚁巢里。蚊香的火光与烟雾使蚂蚁惊恐地乱作一团，但片刻后，蚁群开始变得镇定了，有些蚂蚁向火光冲去，并向燃烧的蚊香喷出蚁酸。随即，越来越多的蚂蚁冲向了火光。不到一分钟，蚊香的火被扑灭了。存活下来的蚂蚁们立即将献身火海的“战友”的尸体转运到附近的空地摆放好，在上面盖上一层薄土，以示安葬和哀悼。     

蚂蚁翻墙的感悟

有两只蚂蚁想翻越一段墙，寻找墙那头的食物。一只蚂蚁来到墙脚就毫不犹豫地向上爬去，可是每当它爬到大半时，就会由于劳累、疲倦而跌落下来。可是他不气馁，一次次跌下来，又迅速地调整自己，重新向上爬去。另一只蚂蚁观察了一下，决定绕过墙去。很快地，这只蚂蚁绕过墙来到食物前，开始享受起来；而另一只蚂蚁还在不停地跌落下去又重新开始。     

多线程蚁群算法及其在最短路问题上的应用研究

针对基本蚁群算法,提出一种多线程蚁群算法。该算法引入多线程技术,将线程作为蚂蚁,而且借鉴于自然界中生物个体的差异性,从选择策略方面加强了蚂蚁个体对未知路径的搜索能力;同时对局部搜索和全局更新策略进行了改进。实验结果表明,该算法可以有效地克服基本蚁群算法的收敛速度慢和易出现停滞现象的缺陷,能够较快的收敛到全局最优解。     

过好日子是一种能力

做一个穷人,最大的乐趣就是嘲笑那些过上好日子的人“累得跟驴似的”。很早的时候,读过一则《伊索寓言》,上面说一只蝉到了冬天很饿,就去请求蚂蚁给它点食物。蚂蚁问它:“你夏天干什么去了?”蝉说:“我一个夏天都在唱歌。”蚂蚁说:“既然这样,你为什么不在冬天的时候跳舞呢?”我觉得很多人在年轻的时候非常像唱歌的蝉,看不起辛苦工作的蚂蚁,觉得它们太实际、太庸俗、太操劳,而且蚂蚁的生活理想也太不值得一提。我们在年轻的时候,认为好日子应该是载歌载舞的日子,像彩蝶飞舞一样轻松快乐。我们不需要钱,也不需要服从谁,我们工作只是为了喜欢,…     

团队应做“懒”管理

在工作中，大致可以把领导分为两种：“懒”领导与“勤”领导。前者只说自己的思路，至于怎样干，要靠员工自己去想；后者不但告知员工自己的思路，而且连具体细节都考虑好，甚至还要亲自披挂上阵。 团队遇到“懒”领导，因为仅有框架性的思路可以参考，必须在工作中充分发挥主观能动性，工作结果往往比领导预计的要好；“勤”领导把细枝未节考虑得面面俱到，员工只要按照领导的意图千就可以了，往住并不关注工作结果的好坏。这样，领导的“懒”与“勤”往往造就团队的“懒”与“勤”。     

结合局部优化的蚁群优化算法的研究与实现

蚁群算法是一种成功的启发式算法,但在解决TSP问题时存在着收敛速度慢和易陷入局部最优解的问题。本文针对这两个问题,提出了定期交流和模范带头学习模型,前者是在蚂蚁每走过一定城市后,进行学习交流,选出所走路径相对较短的蚂蚁进行信息素影响,从而加快总体的收敛速度;后者是当所有蚂蚁都旅行一圈后,选出最优秀的蚂蚁,在其走过的路径上释放大量信息素,对下一周期蚂蚁的旅行进行引导,避免陷入局部最优解。实验结果表明新算法在求解质量上比传统蚁群算法有了明显提高。本文也通过实验分析了蚂蚁数量等参数对算法性能的影响。     

基于蚁群系统算法的车辆路径问题研究

通过引入改进的蚂蚁算法--蚁群系统算法来解决基本的车辆路径问题。针对具体实例运用计算机编程得出了基于蚁群系统算法的最优解,并与其它两种启发式算法进行对比,指出了蚁群系统算法的优势与存在的不足,提出了进一步研究的方向。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

红星美凯龙售不合格地板

“不仅厨房蟑螂、蚂蚁、苍蝇、碎片数不胜数，而且雇员们还赤手处理食物，此外，一‘家厨房地板在进行细菌测试时竟然显示李斯特菌呈阳性，这种细菌可能会给幼儿、孕妇、老年人以及免疫系统弱的人带来严重甚至致命的感染。”一份来自美国食品药物管理局的官方文件曝光掀起了一场有关航空食品卫生安全的轩然大波。     

管理故事 蚂蚁的启示—团队无敌

英国科学家做过一个有趣的实验,他们把一盘点燃的蚊香放进一个蚁巢里。蚊香的火光与烟雾使惊恐的蚂蚁乱作一团,但片刻之后,蚁群开始变得镇定起来了,开始有蚂蚁向火光冲去,并向燃烧的蚊香喷出蚁酸。随即,越来越多的蚂蚁冲向火光,喷出蚁酸。     

打造无敌团队

英国科学家做过一个有趣的实验,他们把一盘点燃的蚊香放进一个蚁巢里。蚊香的火光与烟雾使惊恐的蚂蚁乱作一团,但片刻之后,蚁群开始变得镇定起来了,开始有蚂蚁向火光冲去,并向燃烧的蚊香喷出蚁酸。随即,越来越多的蚂蚁冲向火光,喷出蚁酸。一只小小的     

不以利小而不为不以器小而小精——梁伯强的品牌战略

“宁做蚂蚁腿，不做麻雀嘴。蚂蚁腿虽小，也是肉。一只蚂蚁谈不上什么力量，但100万只蚂蚁组成的军团却可以横扫亚马逊热带雨林，所向无敌。”     

基于蚁群算法的应急物流配送车辆调度研究

以车辆配送问题为背景,运用了蚁群算法来求解应急物流配送车辆调度模型。在带有时间窗的基础上考虑应急系统各节点的运输距离和费用构造模型。根据模型的特点,设计了蚁群算法求解方法,并针对蚂蚁路径选择做了改进性分析。实例研究结果表明．蚁群算法在应急物流配送车辆调度问题中具有合理性、可行性和有效性。     

基于蚁群算法在TSP问题中的仿真分析

在移动机器人路径规划TSP问题中选取蚁群算法和遗传算法的matlab仿真作为研究重点,根据算法的特点分析了蚁群算法的主要参数例如启发信息影响程度的表达因子;信息素挥发系数,蚁群中的蚂蚁数量等对TSP问题规划最优解和效率的影响,同时对比遗传算法对TSP问题的仿真分析,得出蚁群算法的效率优势和遗传算法的稳定性优势,为进一步的两种算法优势互补融合研究做铺垫。