关于蚂蚁的作文范文1
[关键词]蚂蚁花呗，网络信贷，使用，影响因素
中图分类号：G645.5 文献标识码：B 文章编号：1009-914X（2016）28-0313-02
一、 引言
蚂蚁花呗是由蚂蚁金服提供给消费者“当月买、次月还”的网购服务，是网络信贷行业的一种新兴模式。包括天猫、淘宝、聚美优品、饿了吗、美团、唯品会、1号店等国内40多家互联网购物平台均已开通蚂蚁花呗支付，用户在这些APP或网站购物时，可以在支付选项中选择使用蚂蚁花呗付款。
本研究旨在调查蚂蚁花呗的市场现状、使用者的需求，客观准确地评估蚂蚁花呗的优劣势，分析蚂蚁花呗使用存在的问题，并究其原因，以此提出完善蚂蚁花呗使用机制的相关建议，有针对性地完善现有市场。
二、 蚂蚁花呗的特色
1. 可即刻购买心仪的产品。在生活中，人们经常会遇到这样的问题：网上购物时看到了非常喜欢的宝贝，但是资金一时紧张或者工资还没到账。这个时候，蚂蚁花呗能帮助人们毫不犹豫把拍下宝贝，只需在下个月还款即可。
2. 蚂蚁花呗支持分期款。且选择的分期还款时间越长，利率越低。
3. 蚂蚁花呗线上合作平台众多。包括天猫、淘宝之后、聚美优品、美团、唯品会、1号店等国内40多家互联网购物平台。用户在这些网站或APP购物时，可以在支付选项中选择使用花呗付款，除信用卡之外，又多了一种先收东西后付款的消费方式。
4. 蚂蚁花呗线下付款方式多元化。在支持线上支付的同时，还与多家连锁超市等线下平台合作，可以在购物时通过蚂蚁花呗付款，使购物付款方式更加多元化。
5. 蚂蚁花呗具有比信用卡更大的便利，且免息时间长。
6. 蚂蚁花呗的还款方式灵活。可以选择自助还款，也有自动还款，这给记性不好的用户带来相当的便利，还可保证用户蚂蚁信用。
7. 蚂蚁花呗的信贷额度在0-3万之间，给许多用户使用带来更多便利。
三、 调查方法
本次主要对蚂蚁花呗的使用情况进行分析，并分析其影响因素。选定宁波市海曙区、江东区、江北区、北仑区、镇海区以及鄞州区六个地区的不同人群进行抽样调查，采用相互控制的配额抽样法来保证样本的代表性，并采用重点抽样方式选择五十五位具有代表性的居民进行访谈。共调查了1375名宁波市民，收到有效问卷 1100 份，问卷有效回收率为80%。在数据分析中借助 SPSS 软件和问卷星对被调查者的基本情况、使用中的感受、蚂蚁花呗的优缺点等数据进行频数分析。通过问卷星对所得到的数据进行了整理分类，运用交叉列联表分析和相关分析等方法。利用交叉列联表分析了不同性别、学历、年龄的人群对蚂蚁花呗的使用情况，并判断是否有显著差别。
四、 使用蚂蚁花呗存在的问题以及原因分析
作为网络信贷服务这一新兴行业的一员，蚂蚁花呗不可避免地在使用过程中出现各式的问题：
1. 宣传力度不足。不使用蚂蚁花呗的人群主要原因是没有听说过。在调查过程中，发现很多人虽然使用支付宝、淘宝等APP，但是对蚂蚁花呗的了解却很少。可见蚂蚁花呗的宣传力度并不高或者说宣传时没有突出蚂蚁花呗的特点。
2. 消费者群体单一。通过分析得知，女性用户比男性用户对蚂蚁花呗的青睐度更高，男性用户较少。主要原因在于女性相较男性的购物需求与购物欲望更高，且女性主要倾向于感性消费，时常会遇到经济一时紧张而买不了自己心仪的事物的情况，而蚂蚁花呗恰好解决了她们的困扰。
3. 年龄覆盖范围不广。使用过蚂蚁花呗的年龄层主要集中在21岁至30岁，主要原因在于20岁以下的人群没有购买力，也没有太多的购买欲望;30岁以上的人群更倾向于传统的购买方式;年龄21至30岁的年龄层属于大学生以及工作五六年的上班族，他们拥有更多的空余时间与欲望进行网络信贷。
4. 使用蚂蚁花呗的人群主要集中在具有本科及以上学历的消费人群，其覆盖率不高。主要原因在于本科及以上学历的人群，有坚实的文化基础，且是与网络信息社会最为直接的接触者，能熟练操作网络平台。这类人群更对网络信贷服务感兴趣，也更愿意了解网络信贷。
5. 蚂蚁花呗对于高收入者的吸引力不高。月收入3000元以上的人群其经济条件较为宽松，有能力承担除生活费之外的消费支出，这类人群对蚂蚁花呗的需求不高。使用蚂蚁花呗的人群中大多数人收入在3000元以下，蚂蚁花呗能帮其起到一个缓冲作用，有利于调节财政情况，对他们而言很合适。
6. 蚂蚁花呗不能自行提升额度。蚂蚁花呗的额度和使用者的消费能力、消费频率、还款能力挂钩。蚂蚁花呗和芝麻信用挂钩，需要多次使用蚂蚁花呗并且按时还款才能提高信用额度。故其蚂蚁花呗的月支出不是很大，其信用额度也与之相应。使用过蚂蚁花呗的用户对不能自行提升额度这一点存在很大的不满。
7. 蚂蚁花呗抽奖选项的设置过于单调且中奖率较低。原因主要在于蚂蚁花呗抽奖选项的设置多以与蚂蚁花呗合作的平台红包为主，尤以蚂蚁花呗红包居多奖项太少，中奖概率不高，这无形中降低了蚂蚁花呗抽奖给使用者带来的吸引力。
8. 蚂蚁花呗分期还款的利率偏高。使用蚂蚁花呗的人群多数选择短期还款，蚂蚁花呗相较其他网络信贷服务平台短期还款利率较高，短期率高则大部分客户就会选择长期还款，但是最终长期还款的利息肯定是比短期多的。这是蚂蚁花呗用来迷惑用户的一种方式。
9. 蚂蚁花呗还款操作复杂，且不能使用组合方式进行还款。蚂蚁花呗在分期后不能在手机上进行一次性还款，只能选择在电脑上进行一次性还款，操作不便。这主要是由于手机的功能并不像电脑那么完善，且蚂蚁花呗平台也对这一问题不够重视，被这一问题影响的用户也比较少。
10. 易使消费者产生依赖性。大部分使用过蚂蚁花呗的用户和不使用蚂蚁花呗的人主要忧虑是对蚂蚁花呗产生的依赖性会打乱自己的消费计划，降低消费时的金钱控制能力，对消费行为、消费理念等也会产生一定影响。
11. 使用蚂蚁花呗存在一定的用户信息安全隐患。蚂蚁花呗在网络安全和实际操作方面还存有许多弊端，网上有很多不法分子会利用蚂蚁花呗套现，所以多数用户还对使用蚂蚁花呗的安全性存在怀疑。
五、 优化蚂蚁花呗使用机制的建议
通过调研，我们发现蚂蚁花呗在市场发展过程中存在一些优劣势，为有针对性地完善蚂蚁花呗使用机制，完善现有互联网金融市场，开拓新市场，特提出如下建议。
1.企业方面
蚂蚁花呗的最大优势在于其背后阿里巴巴这一稳固强大的后台，给蚂蚁花呗发展网络信贷服务提供了强有力的资金支持、技术支持以及行业内首屈一指的国民信誉支持。对此，我们提出一些有利于蚂蚁花呗扬长避短的建议：
（1） 扩大合作对象范围。蚂蚁花呗支持线上线下支付，这一点给使用者在网络购物及现实购物中带来极大便利。蚂蚁花呗应继续保持。
（2） 开拓额度提升更灵活的方式。蚂蚁花呗可m当开通一些用户自主提升额度的方式，针对高消费人群还可提高其使用额度上限，使额度提升更加灵活。
（3） 蚂蚁花呗应加大宣传力度，挖掘潜在客户。需要蚂蚁花呗充分利用阿里巴巴的社会影响力，加大宣传力度，可以将市场投向高收入及高素质人群等方向，挖掘培养更多的潜在客户。
（4） 加强政府合作。在我国，GDP增长主要靠投资、消费和出口拉动的，蚂蚁花呗应加强与政府间合作，倚靠政府，深入市场，扩充其发展与竞争资本。
（5） 简化操作流程。蚂蚁花呗在还款方面操作过于复杂，应尽快完善手机平台的操作方式，化繁为简，便利使用者的操作流程，以此来保证客户使用量。
（6） 开通组合还款模式，使还款方式多样化。蚂蚁花呗还款方式仅余额还款等单项还款模式，这给使用者也带来极大的不便，蚂蚁花呗可通过与更多网络平台的合作开通组合还款模式，适应用户多种需求。
（7） 关注市场最新动态。蚁花呗应牢牢抓住机遇，时刻关注市场最新动态，要熟知京东白条等强劲的竞争对手的优劣势，掌握其最新发展动态并随机应变。同时，不可轻视一些新起之秀，他们中很有可能存在着尚处萌芽的强劲敌手。
（8） 加强与客户之间的联系。蚂蚁花呗可以通过阿里巴巴在市场上建立起来的坚实的群众信誉基础，加强与客户之间的联系，了解客户所需所求，提高顾客满意度及忠诚度，垒砌“铜墙铁壁”般的信誉城墙。
2.政府方面
（1） 政府应完善第三方支付平台相关政策。政府应大力支持如蚂蚁花呗等第三方电子支付平台，给予其一定的政府补贴及政策支持，以此激励愈来愈多的企业加入到网络信贷服务这一行业中来。
（2） 政府监管与市场调节机制相结合。应充分发挥其“有形的手”的功能作用，与市场这一“无形的手”相互结合，引导网络信贷服务这一新兴行业向积极、健康的方向发展。
（3） 政府应完善网络支付保障机制。除了给参与进这一新兴行业的企业相应的政府支持，还需要给消费者吃定心丸，支持互联网信贷消费。毕竟，随着网络信息的发展，网络购物时导致信息泄露、网络诈骗的案例数不胜数。
（4） 政府应出台相应政策保护消费者使用者权益，构建网络法治社会。
① 加大关于网络诈骗犯罪案例宣传力度，实施网上网下并行的宣传教育策略，警醒广大人民群众。
② 加强网络法律政策，正规化、现代化建设网络警察队伍，实时打击网络犯罪。
③ 政府应加大网络监管力度，例如设置“虚拟警察”实施全日制监管网络，对发现有诈骗行为的用户实施网络限制并且追究其刑事责任。
3.消费者方面
（1） 消费者应加强自身维权意识，熟识法律维权途径，切实保护自身利益。
（2） 消费者应加强安全意识，可以从以下几方面着手：
① 不要随意打开短信、网页上莫名的链接，登录购物网站时尽量以手动方式。
② 密码信息设置要符合安全要求。
③ 在电脑上安装杀毒软件、个人防火墙等安全工具、及时修复操作系统和应用软件漏洞，加强对计算机的安全防护，打造一个安全的交易环境。
④ 网络购物时要时刻保持警惕，不要相信天上掉馅饼的好事，严密保护好自己的密码等个人隐私信息。提高自身的安全意识，不轻易泄露自己的信息，不盲目相信网上或者手机上的一些虚假信息。
参考文献
[1] 宁波统计局2015年宁波市国民经济和社会发展统计公报[R] [2016-02-15] http：///read/20160203/29009.aspx.
[2] 陈彤.第三方网络支付风险监管法律问题研究[D].山西财经大学，2015.
[3] 刘军.蚂蚁花呗投5000万 双十一红包怎么玩[J]. 计算机与网络，2015，20：15.
关于蚂蚁的作文范文2
【关键词】 线上支付 情景设置 购买意愿
一、选题背景
蚂蚁花呗这类互联网信贷产品具有低门槛、方便快捷、成果率高、贴近用户等特点，所以在互联网消费主力军大学生群体中的传播速度极快，影响程度深。另外大学生群体有着享受生活的消费观念，前卫新潮的消费心态，个性时尚的消费方式，丰富多样的消费需求，却又生活费来源单一，花销两极分化，对新事物接受能力强，接纳网络借贷的意愿高，所以蚂蚁花呗非常符合大学生的消费特点。
二、研究过程
本文通过运用问卷调查法以及情景设置法，对蚂蚁花呗这种互联网信用产生的支付手段在大学生购买商品的4种不同情景中起到的作用以及作用的程度进行探究。即“有蚂蚁花呗时购买享乐型商品”、“无蚂蚁花呗时是购买享乐型商品”、“有蚂蚁花呗时购买功能型商品”及“无蚂蚁花呗时购买功能型商品”情景下消费者的购买意愿，通过问卷形式收集数据与建立模型数据分析，得出蚂蚁花呗对大学生购买意愿的影响。以此可以分析互联网信用支付手段的现状以及以蚂蚁花呗为代表的信用支付手段对于消费者购买不同产品的影响，研究结论可以为已涉足该领域的企业或者商家提供相关建议，为正待涉足这一领域的企业和商家提供专业性参考。
三、研究假设
H1：当消费者购买的产品是享乐型产品时，在有蚂蚁花呗的情况下的购买意愿高于没有蚂蚁花呗时的购买意愿。
H2：当消费者购买的产品是功能型产品时，在有蚂蚁花呗的情况下的购买意愿高于没有蚂蚁花呗时的购买意愿。
四、研究设计
（一）研究步骤
本实验采用2*2组间因子设计，即“有蚂蚁花呗”与“无蚂蚁花呗”，“享乐型产品”与“实用型产品”之间的组合，采用问卷调查的方式，通过在问卷中运用特殊语句引导描述，从而向被调研对象设计一个情境，一共设计了4种不同的情境：“有蚂蚁花呗购买享乐型产品”、“无蚂蚁花呗购买享乐型产品”、“有蚂蚁花呗购买实用型产品”与“无蚂蚁花呗购买实用型产品”。我们将“进口香水”确定为“享乐型产品”的代表，将“充电宝”确定为“实用型产品”的代表。
（二）实际操控
本文设定的情境基于奖学金到账的背景，让被调研对象想象十二月到了，其奖学金刚刚到账，排除因被调研对象对不同的经济状况的设想给实验带来的影响。在享乐型产品的调研中，设定被调研对象想要丰富一下自己的课余生活，并犒劳自己上一学年的努力，被调研对象曾经吃过过朋友给他的进口巧克力，其独特的口感带给被调研对象味觉上的享受；与此对应的，在实用型产品中设定由于寝室断电，晚上充电不是特别方便，且白天手机电量消耗比较快，所以被调研对象的手机经常到下午就没有电，觉得需要一个充电宝能让手机实时畅通。通过这样需求的设定，将被调研对象对两种产品的本身好恶排除，令其在不存在其他条件的情况下对两种产品的购买意愿相当。此外，在购买过程中，被调研对象点开购物网站开始搜索这款产品，找到了一家合适的店铺，但是这家店铺不支持蚂蚁花呗支付，或者发现这家店铺支持蚂蚁花呗，以此首先横向比较，探究在有蚂蚁花呗的情况下，用户对两种产品的购买意愿与无蚂蚁花呗的情况下，用户对两种产品的购买意愿；再纵向比较，探究蚂蚁花呗对两种类型产品的影响程度。
（三）假设检验
本文用SPSS18.0作为统计分析工具，在控制变量的情况下对因子进行独立样本T检验，从而检验因子对因变量意愿值带来的影响，具体分析结果如下：
1.有无蚂蚁花呗对消费者购买享乐型产品意愿的影响
在消费者购买的都是享乐品的前提下，本研究探究蚂蚁花呗对消费者购买意愿的影响，自变量为有无蚂蚁花呗，因变量的相对应的消费者的购买意愿值。被调查对象根据我们事先设置的情景对购买意愿进行了打分，1-7表示从非常不愿意购买到非常愿意购买。在进行数据分析时，控制消费者购买的产品都是享乐品，然后对在有无蚂蚁花呗情况下的消费者的购买意愿值进行独立样本T检验，有蚂蚁花呗时消费者购买意愿均值为4.882，无蚂蚁花呗时消费者的购买意愿均值为4.394，Sig值为0.038小于0.05，说明结果是显著的，即在购买享乐型产品时，当支持蚂蚁花呗支付时消费者购买意愿大于无蚂蚁花呗支付方式时消费者的购买意愿。
2.有无蚂蚁花呗对消费者购买功能型产品意愿的影响
在消费者购买的都是功能型产品的前提下，重复上述实验。数据分析结果是有蚂蚁花呗时消费者购买意愿均值为5.263，无蚂蚁花呗时消费者的购买意愿均值为5.119，Sig值为0.464明显大于0.05，说明结果是不显著的，此时拒绝有蚂蚁花呗时消费者购买意愿大于无蚂蚁花呗时消费者的购买意愿这一假设。本研究说明在消费者购买功能型产品时，商家是否有蚂蚁花呗支付方式对消费者的购买意愿的影响不大。
五、研究结论和建议
（一）对商家而言
根据研究结论，当消费者购买享乐品时，如果商家支持蚂蚁花呗支付，消费者的购买意愿会更高。以淘宝为例，各个商家应当仔细分析所经营的商品的属性，如果销售的商品都是享乐品，那么建议该类商家加入蚂蚁花呗支付方式，能够增加其商品的销售量，提升业绩。同样，如果商家既销售享乐型产品，又销售功能型产品，为了提升销售额也应当加入蚂蚁花呗支付方式。而对于只经营功能型产品的商家来说，是否加入蚂蚁花呗支付方式对其销售额的影响不大，可以综合考虑自身因素以及相关成本等情况来决定是否选择添加这一支付方式。
（二）对学生而言
总体而言，大学生在商家支持蚂蚁花呗支付的情况下会更倾向于购买享乐型产品，说明大学生为了追求享受容冲动购买，本次研究可以在一定程度上给予大学生这个消费群体一种暗示，在购买相关产品时要有一定的理性认知，尽量避免冲动购买。
【参考文献】
[1] 郑毓煌.理由启发式：消费者购买或选择享乐品的一个简单而有效的决策过程[J].营销科学学报，2007，3（4）：63-71
[2] 朱景焕.电子商务优惠券营销应用和发展趋势的研究[J].中国市场，2011（6）：68-71
[3] 杨旭琨.基于大学生消费行为特点的网络营销策略研究，广西师范大学硕士论文.
关于蚂蚁的作文范文3
浙江蚂蚁金服首次出现在公众眼里，是9月26日中国银监会对浙江民商银行筹建的批复。在这个红头文件中，浙江蚂蚁金服赫然位居浙江民商银行发起人的首位，引起了不少关注。据报道，浙江蚂蚁金服的核心业务是支付宝，还包括余额宝、招财宝、小额贷款等品牌和业务。同时，浙江蚂蚁金服还将在浙江网商银行持股30%。
金融服务，一贯被视为阿里巴巴集团最有想象力的领域，同时也承载着马云“银行不改变，我们就改变银行”的狂想，是其“平台+金融+数据”的核心一环。 一
然而，从这次浙江蚂蚁金服在京成立活动前后种种迹象来看，我们却观察到了马云系金融帝国悄无声息但精心设计的三个变化：
一是“去阿里化”。寻根溯源，浙江蚂蚁金服的前身，是在支付宝控制权争夺战中被媒体挖掘出来的浙江阿里巴巴电商有限公司。这个独立于阿里巴巴集团之外的“浙江阿里”，成立于2000年10月，原由马云和谢世煌分别持股80%、20%。2011年，马云未获董事会许可，便把支付宝的控制权从阿里巴巴集团转到了浙江阿里。2014年6月，经杭州市工商局西湖分局核准，浙江阿里更名为浙江蚂蚁金服，注册资本为12.29亿元，股东为杭州君瀚股权投资合伙企业和杭州君澳股权投资合伙企业。而在这之前，浙江阿里频频以“阿里小微金融集团（筹）”名义出现在公众和媒体的视野。
杭州君瀚投资的直接股东为马云，而陆兆禧、彭蕾等阿里系资深高管以有限合伙方式持有杭州君澳投资。由此可见，是阿里巴巴集团高管而不是阿里巴巴集团本身控制浙江蚂蚁金服。在法律上，阿里巴巴集团与浙江蚂蚁金服是两家完全独立的公司，未有任何股权关联。浙江蚂蚁金服对此的说法是：阿里巴巴是支付宝最大的合作伙伴，但蚂蚁金服是坚持独立运营的。事实上，在美国上市的“BABA”，主要包括阿里巴巴旗下的淘宝网、天猫、聚划算等电商基础交易平台，以及为这些交易平台提供专门技术服务的阿里云公司，浙江蚂蚁金服和浙江菜鸟物流等均不包含在上市资产之列。
二是“去马云化”。据报道，杭州君瀚投资和杭州君澳投资分别持有浙江蚂蚁金服57.86%、42.14%的股份。马云、陆兆禧、彭蕾等阿里高管以股权为纽带，通过两家合伙制企业控制了浙江蚂蚁金服。不过，无论是杭州君瀚投资还是杭州君澳投资，虽然有陆兆禧、彭蕾等有限合伙人（LP），但其普通合伙人（GP）都是马云独资持有的杭州云铂投资咨询有限公司。因此，马云才是浙江蚂蚁金服真正的实际控制人。当然，这并不奇怪，完全在公众的想象之中。
奇怪的是，浙江蚂蚁金服作为马云系金融帝国的主要载体，从表面上看马云的色彩却在一步步淡去，而且这一切似乎都是经过周密安排的：第一步，2012年12月马云向浙江阿里引入杭州君澳投资持股42.14%，并将注册资本扩容至12.29亿元，马云和谢世煌的股份则分别被稀释为46.29%、11.57%；第二步，2013年11月浙江阿里将法定代表人由马云变更为彭蕾，马云从幕前退到幕后，如同他辞去阿里巴巴集团CEO一样，而此前马云已经担任浙江阿里法定代表人长达13年之久；第三步，在这次成立活动上，浙江蚂蚁金服向外界宣称，未来浙江蚂蚁金服40%的股份由包括马云在内的员工全员持股，其中马云个人的持股比例不会超过7.3%。而彭蕾的说法则是，马云持有蚂蚁金服股份不会超过他在阿里巴巴集团持股比例，即持股低于10%。
三是“去浙江化”。浙江蚂蚁金服这次宣告成立的前前后后，无论是活动的预告、现场的展示，还是发出的新闻稿件和媒体的各种报道，在文字上对公司名称的表述是“蚂蚁金融服务集团”，有时候简称“蚂蚁金服”，对应英文简称为“ANT FINANCIAL”。上述名称，无论是全称还是简称，无论是中文还是英文，无一例外都略去了“浙江”二字。而全国企业信用信息公示系统的信息显示，今年6月11日，浙江阿里巴巴电子商务有限公司名称变更为“浙江蚂蚁小微金融服务集团有限公司”。9月26日，中国银监会的批复，同样也使用“浙江蚂蚁小微金融服务集团有限公司”的字样。
作为一家注册在浙江、成长于浙江的企业，在企业登记中的名字本来也冠有省名，但蚂蚁金服的“浙江”二字为什么消失得无影无踪呢？这难道是一种巧合？事实上，世间真正的巧合是极少的。笔者认为，浙江蚂蚁金服刻意淡化“浙江”元素，主要原因可能是“浙江”二字地域色彩太过浓厚，与其高大上的形象定位、全球化的战略布局不匹配。这次成立活动专门选在首都北京举行，可能也不是偶然的。
此外，据媒体报道，浙江蚂蚁金服预计明年会将总部迁到上海，实行杭州上海双总部、双中心的运营模式。这大概也是浙江蚂蚁金服“去浙江化”的下一个步骤。 二
当然，我们更关心的问题是，“去阿里化”“去马云化”“去浙江化”之后的浙江蚂蚁金服将要走向何方。这只硕大的蚂蚁，真的要撼动大树吗？
不过，撼动金融大树绝非浙江蚂蚁金服的明智之选。草根力量的崛起直到“蚍蜉撼大树”，在现代社会不是“可笑不自量”，相反地总能获得更多的鲜花和掌声。但在中国金融丛林中，从来就不缺巨无霸的机构，多一棵大树少一棵大树无关紧要。
据说浙江蚂蚁金服估值超过250亿美元时，将可能启动上市计划。但是真的达到250亿美元又怎么样？在中国金融市场上还只是分母的一小部分而已，就总量而言照样无足轻重。这次宣告成立，浙江蚂蚁金服方面表示，“金服”二字，重在服务，蚂蚁金服既服务广大消费者和小微企业，也会以开放的心态服务于金融机构，共同为未来社会的金融提供支撑。
笔者认为这是一个正确的选择。浙江蚂蚁金服的优势不在于直接做金融业务，而是在于潜心做金融服务。做一只诚信专业的小蚂蚁，“给世界带来微小而美好的改变”，远比去撼动什么大树来得更有价值和意义。其实，小蚂蚁做得好了，规模和收入自然也就上去了。阿里巴巴成长的故事已经充分验证了这一点，他们会懂的。
对马云本人而言，以较小的持股比例来撼动和控制整个公司的做法也值得商榷。
马云总是喜欢通过设计十分复杂的股权结构，来掌控自己的商业帝国。在股权结构上，他个人是一只小蚂蚁，但公司这棵“大树”从来都紧紧掌握在他的手里。阿里巴巴集团在美国上市后，马云持股比例已经低于8%，但一切仍然尽在掌握。从支付宝控制权的风波，到阿里巴巴被港交所拒绝，马云推行的“合伙人”制度不是没有遭到质疑和反对，但是从来未曾改变过。在浙江蚂蚁金服上，同样的故事毫无悬念地正在上演。
关于蚂蚁的作文范文4
关键词:云计算；蚁群优化；CO2分析；数据融合;并行计算
中图分类号: TP391 文献标志码:A
Spatial data fusion algorithm of CO2 based on cloud computing platform
HU Jun.guo*, QI Heng.nian
College of Information Engineering, Zhejiang Agriculture and Forestry University, Lin’an Zhejiang 311300, China
Abstract:
In order to fuse the massive CO2 dada,which are collected by the mobile sensor network from uncertain time and space, the paper analyzes the collected data. First,we divide the test area into m * n grids, ,and analyze CO2 concentration from each valid data of every grid.Second,according to the strong computing power of cloud computing,we put forward combined cloud model and design common clouds,breeding clouds, visual clouds and adjacent clouds.They runs relatively independently in the cloud and interacts with each cloud,forming distributed parallel computing system.Third,we modify the ants family,and design common ants, breeding ants, visual ants and adjacent ants.All kinds of ants,which walk by their own rules,are assigned to different clouds and work together harmoniously,with the pheromones and the optimal solution exchanging in local cloud and between global clouds by the cloud server. Finally, in Ling'an of Zhejiang province we simulate 11080 data,and use Clounding V2 simulation platform to do a lot of experiments.It shows that after searching 105 times the algorithm reaching stabilization,the optimization capability is 60 times as strong as the single algorithm, and that the ants in common clouds,breeding clouds, visual clouds and adjacent clouds are set 2∶2∶1∶1 can get the best performance.
In order to fuse the massive CO2 dada, which were collected by the mobile sensor network from uncertain time and space, the paper analyzed the collected data. First, the test area was divided into m * n grids, ,and CO2 concentration was analyzed from each valid data of every grid. Second, according to the strong computing power of cloud computing, the paper put forward combined cloud model and design common clouds, breeding clouds, visual clouds and adjacent clouds. They ran relatively independently in the cloud and interacted with each cloud, forming distributed parallel computing system. Third, the paper modified the ants family, and designed common ants, breeding ants, visual ants and adjacent ants. All kinds of ants, which walked by their own rules, were assigned to different clouds and worked together harmoniously, with the pheromones and the optimal solution exchanging in local cloud and between global clouds by the cloud server. Finally, in Lingan of Zhejiang province the authors sampled 11080 data, and used Clounding V2 simulation platform to do a lot of experiments. The result shows that after searching 105 times the algorithm reaches stabilization, the optimization capability is 60 times as strong as the single algorithm, and that the ants in common clouds, breeding clouds, visual clouds and adjacent clouds are set 2∶2∶1∶1 can get the best performance.
Key words:
cloud computing;ant colony algorithm; Ant Colony Optimization (ACO); CO2 analyzing;data fusion;parallel computing
0 引言
CO2是大气中主要的温室效应气体，其大量排放已造成全球气候变暖。据统计，从1906年起全球平均气温已增加0.74℃，若温度再升高2℃，将对人类造成毁灭性的灾难［1］。控制CO2排放直接关系到人类的生存和发展，已引起全球的极大关注。2009年《哥本哈根协议》中就发达国家实行强制减排，到2020年要求减排率达到1990年的25%～40%，对发展中国家采取自主减排要求。中国作为负责任的大国，积极主动减排，承诺到2020年单位国内生产总值CO2排放比2005年下降40%～45%。2009年底，国务院总理在国务院常务会议中，进一步强调应对气候变化工作的重要性，并提出相应的政策措施和具体行动［2］。但是,如何监测和控制CO2排放，各地没有统一标准，执行难度非常大。
近年来，在国家政策的大力引导下,不少学者提出了监测
大气CO2浓度的方案，主要有三种措施：
1)在指定点建立观察站，进行长年累月的监测，并记录监测数据［3-5］，但只能在某个点上监测CO2浓度；
2)采用网格化测量方法［6-8］，对监测区划分成N个网格，测出每个网格的CO2浓度，但网格监测需人工进行，无法实行长期实时监测；
3)以我校为首的低碳与物联网联合实验室提出采用Ad.Hoc无线传感器网络监测CO2浓度［9］，虽能实现长期、实时监测，但现在还只能应用于非常小的区域。
针对此，本文提出基于移动车载的CO2浓度监测系统。由于移动系统的采集点会不断变动，因此获得是时间上不同步、空间上不固定的海量的CO2浓度数据。如何对这些大规模、时空不确定数据进行融合，是本文要解决的关键问题。
1 问题描述与模型建立
为了能在不同时间和空间获取CO2空间浓度数据，可以把移动车载CO2浓度监测系统架构在城市出租车、公交车等移动平台上。随着移动平台的运动，能采集到不同点的CO2浓度。设有M个CO2浓度监测终端架构在移动平台上，在T时间内每个终端采集N次数据，由于M个终端同时在工作，在T时间内共采集到M×N个不同时间、不同空间的CO2浓度数据。但是，如何求解这个城市CO2浓度分布情况呢？或者说，如何从这M×N个点中取出有效个点来表示城市CO2浓度分布情况呢？
众所周知，随着日照强度的提高，植物的光合作用增强，能提高吸收CO2的能力；汽车排放尾气、工厂燃烧煤等都释放CO2，并且CO2分子有扩散能力，会从排放源向四周扩散。也就是说，CO2浓度会随时间和空间而变化。本文以CO2浓度时空平滑度因子表示CO2变化程度，并作如下定义。
2 研究方案确定与算法实现
2.1 研究方案
从第2章的分析中可以看出：从m×n个区域中各取出一个CO2浓度值，使得这些点的平滑度最小，是一个NP难问题。解决NP难问题的方法很多，如模拟退火算法、遗传算法、蚁群算法、神经网络算法等。但这类算法运算时间比较长，很难保证在较短时间内融合海量的CO2数据，确保分布情况的实时表现。近年来，随着云计算的兴起，通过云计算平台实现密集型数据处理已经成为可能。郑湃等［10］提出了兼顾时间开销、数据依赖性和负载均衡三方面指标的数据布局策略与方法，在云计算平台中有效降低跨数据中心数据传输导致的时间开销；赵俊华等［11］提出建立基于云计算的电力系统计算平台，从云计算的物理组成、系统架构、软件技术等方面详细讨论分析电力系统云计算平台的实现；王鹏等［12］分析了在云计算平台中数据密集型计算的特点, 并指出云计算编程模型要解决的基本问题，分析国际上代表性的编程模型, 并对这些编程模型的特点进行了比较，为数据密集型计算提供强有力的技术支撑；Hanawa等［13］提出D.Cloud的云计算模式，并实现测试并行软件和分布式软件的性能，此模式不仅可对云计算系统进行自动配置还可同时测试多种软件实例；Google公司构造MapReduce编程规范［14］来简化云计算平台的编程，用Map(映射)和Reduce(化简)两个简单的函数来构成运算基本单元,用户只需提供自己的Map函数以及Reduce函数即可并行处理海量数据。
综上所述，云计算平台已经能实现海量密集性数据运算。但针对NP难问题，若没有合理的算法，云计算平台也无能为力。而蚂蚁优化算法是非常优秀的智能算法，尤其有很强的并行能力，非常适合在云计算环境中，以解决复杂的智能计算问题。不少学者已经对蚂蚁算法的分布处理和并行技术进行研究，为其在云计算平台中应用提供基础。Chu等［15］提出并设计实现了蚁群系统（Ant Colony System,ACS）的并行处理, 它将一个蚁群平均分为多个小的蚁群, 每个蚁群对应一个处理器, 并行求解每个蚁群有各自任务, 然后用三种通信方法更新信息素。并在TSP问题中应用，取得比ACS和蚂蚁系统（Ant System,AS）更好的效果。陈等［16］提出了并行蚁群算法中处理机间信息交流的两种策略,使得各处理机能够自适应地选择其他处理机以进行信息交换和相应信息素的全局更新。并且还提出了一种确定处理机之间进行信息交流的时间的策略,可以根据解的分布情况自适应地确定信息交流的时间,以取得全局收敛速度和解的多样性之间的平衡。吕强等［17］提出通过多个蚁群的并行协作来处理任务，蚂蚁在解的构造过程和信息素更新过程中共享同一个信息素矩阵。Wang等 ［18］提出基于交叉熵的分布式蚁群算法来解决网络中的多限制路由问题，并在模拟仿真中有很快速的求解功能。Takova等 ［19］提出蚁群优化算法的分布式处理应用，并用此解决网络分割问题，取得比较好的性能和作用。Sameh等［20］提出结合主从处理器和信息交换方法，主处理器产生从处理器进程，并获取从处理器的最优解。局部搜索和信息素更新都依赖于从处理器。从处理器独立交换解，并降低主处理器通信处理瓶颈。
借鉴众多学者的研究成果，本研究在云计算环境下，利用蚁群算法的并行寻优能力，以融合海量的CO2数据。论文根据蚁群优化算法的特点，提出组合云模型：设计普通云、繁殖云、视觉云和邻接云，并建立分布式并行蚁群算法，相应地改造蚂蚁家族，设计普通蚂蚁、繁殖蚂蚁、视觉蚂蚁和邻接蚂蚁，蚂蚁在各自云朵中的主机上运行，并以自身规则行走。蚂蚁从Rki(表示第Ri个区域中的第k个点)行走到Rmj，经过所有区域完成一轮循环，并在云朵内部更新信息素，且对优越的个体进行云朵之间信息素更新，使局部更新和全局更新相协调，最终获取最优解，实现CO2空间浓度平滑分布。
2.2 设计组合云计算模型
云计算环境是在整个Internet中进行，云计算控制中心根据用户的请求，将计算任务分成若干子任务，再动态地将各子任务分配给云计算平台的计算设备。各子任务完成后,其计算结果通过Internet重新汇总到控制中心，最后再反馈给用户。但对于一个完整的计算任务，如何对其进行任务分解，如何把子任务分配到云计算平台的各个计算终端，是一个巨大的挑战。本文针对计算CO2分布问题的特殊性，提出组合云模型，设计普通云、繁殖云、邻接云和视觉云，每朵云有自己的计算模式。并且，普通蚂蚁位于普通云，繁殖蚂蚁位于繁殖云，邻接蚂蚁位于邻接云，视觉蚂蚁位于视觉云。每朵云自主形成计算群，信息素在云内部局部交换和通过云服务器在云朵之间交换相结合。如图1，云终端提交的CO2分布计算任务被分配到普通云、繁殖云、视觉云和邻接云中计算。
为了描述方便，对文中出现的词汇和表达作个统一，全局指整个云平台，局部指某朵云，个体指独立主机。以下分别对普通云、繁殖云、视觉云和邻接云作定义。
定义2 普通云。普通蚂蚁在普通云中运行。云朵内每台主机存在n只普通蚂蚁，其以信息素为主要指导因素计算，每只蚂蚁完成一轮运算更新个体信息素；在局部周期内以云朵内部信息素为主，局部计算周期结束后，云内主机都需向普通云服务器汇集信息素和最优解，并更新云内局部信息素和最优解；在全局周期内以各云朵产生的全局信息素（来自全局最优解）为指导。并且，普通云服务器可获得全局云服务器的信息素，云内各主机又能从局部云服务器获取共享信息素，以有效更新个体私有信息素。
定义3 繁殖云。繁殖蚂蚁在繁殖云朵中运行，云中最优解可与全局最优解相互更新。云朵内的每台主机存在一只繁殖蚂蚁，蚂蚁按自身规则边运行边繁殖，一轮结束后产生的优秀解向繁殖云服务器汇报，同时获取局部最优解作为繁殖蚂蚁下轮行走路径。
定义4 视觉云。视觉蚂蚁在视觉云中运行。视觉云相对比较独立，不受其他云影响。云朵内每台主机运行n只视觉蚂蚁，其以自身规则运算，求出的优秀解在云内汇集，并向普通云和繁殖云提供局部最优解。
定义5 邻接云。邻接蚂蚁在邻接云中运行，其计算模式与视觉云类似，差异在于云内存在的是邻接蚂蚁，云内主机是按邻接蚂蚁规则进行。
定义6 每朵云内部的服务器称为局部云服务器，它管理云朵内的各主机；整个云计算平台的服务器称为全局云服务器，它管理每朵云的局部服务器。
每朵云在其内部独立计算，云内主机每轮计算结束就向局部云服务器提供最优解，同时各主机又会从局部云服务器获得云内最优解；局部云服务器根据解的质量向全局云服务器汇报最优解，并且全局云服务器也会提醒局部云服务器更新当前的最优解。普通云中以信息素指导工作，各个主机内存有个体私有信息素，也可访问局部共享信息素，并且信息素更新与最优解同步。因此，云朵内部相对独立运行与云朵之间相互作用，实现局部最优与全局最优并进。
2.3 设计分组蚁群优化算法
为了使蚁群优化算法能和云计算平台相适应，需对蚂蚁进行分布式并行处理，把其分配到不同的云朵中，同时要让各云朵内的蚂蚁并行运算。本文对基本蚁群算法进行改进，在蚂蚁家族中设立四种不同类型的蚂蚁，四种蚂蚁分别分布于不同的云，并行运算，共同协作，最优解共享，最终完成任务。其中：第一类蚂蚁具有繁殖功能，称为繁殖蚂蚁；第二类蚂蚁有视觉功能，称为视觉蚂蚁；第三类蚂蚁能感知邻接区域能力，称为邻接蚂蚁；最后一类是普通蚂蚁。
2.3.1 问题说明
根据第1章所描述的，在T时刻内获取M×N个CO2浓度值，这M×N个数据被分成m×n个区域，如图2所示。每个区域有Ci个数据，即R1区域有C1个点，R2有C2个点，…，Rmn有Cmn个点。现要从R1，R2，…，Ri，…，Rmn区域中各取一个数据组成m×n个数据，使其所组成的CO2分布最平滑。在本文中假设蚂蚁在寻优中是从第Ri个区域走向与其相邻接的区域，如图2，将M×N个数据划分为m×n个区域，区域按R1，R2，…,Rmn编号。
定义7 蚂蚁从R1区域选择点i，从R2区域选择点j，以此类推，直到走完Rmn区域的k点，这样所构成的行程称为蚂蚁路径或蚂蚁行程。
2.3.2 普通蚂蚁
1)普通蚂蚁定义。
在普通云中运行的蚂蚁称为普通蚂蚁，它能感知信息素，并根据各条路径上的信息量决定其转移方向。普通蚂蚁的信息素来自于本主机中的蚂蚁、普通云内的蚂蚁和其他云中表现优秀的蚂蚁，而对于蚂蚁自身不用考虑信息素的来源，其只需根据个体私有信息素表行走。
2)普通蚂蚁行走规则。
sklij表示Ri区域中的第k个点（设记为点Rki）到Rj区域中的第l个点（设记为点Rlj）的平滑度，则sklij=(|Δc|E)2+(F|Δd|)2+(|Δt|G)2，其中：Δc表示Rki与Rlj两点的CO2浓度差值，Δd表示RkiRlj两点距离，Δt表示Rki和Rlj点采集CO2数据的时间间隔，E，F，G是一个给定的常量。由于普通云中各主机蚂蚁并行运行，现考虑在主机H上，有M只蚂蚁，在t时刻点Rki和点Rlj之间的路径上的信息素浓度为τklij(t)；在0时刻，各条路径上信息量相等，设τklij(0)=C(C为常数)。蚂蚁a(a=1,2,…,M)在运动过程中，根据各条路径上的信息量决定转移方向。pklij（a,t）表示在t时刻蚂蚁a由点Rki到点Rlj的概率：
pklij（a,t）=［τklij(t)］α［ηklij］β∑m∈Rj［τkmij(t)］α［ηkmij］β, m∈Rj0，mRj (1)
其中:ηkmij为点Rki和点Rlj之间启发信息，一般取ηkmij=1/skmij；α为在RkiRlj两点上残留信息的重要程度；β为启发信息的重要程度；m表示Rj区域中的点。
经过n个时刻，M只蚂蚁在主机H上走完所有的区域，完成一次循环。每只蚂蚁所走过的点组成一个解。随着时间的推移，路径上原有的信息素会逐步挥发掉，同时，有蚂蚁经过的路径会留下相应的信息素，因此，要对各路径上的信息素进行更新：
τklij(t+1)=(1-ρ)*τklij(t)+Δτklij (2)
Δτklij=∑Ma=1Δτklij(a)(3)
其中：ρ为信息素挥发系数，取值范围为ρ ［0,1)；Δτklij表示本次循环中RkiRlj两点上的信息量的增量；Δτklij(a)表示蚂蚁a在本次循环中在RkiRlj两点之间的路径上留下的信息素，其值常按以下模型计算：
Δτklij(a)=QLa,蚂蚁在本次循环中经过点RkiRlj0,其他 (4)
其中：Q为常数，La为蚂蚁a在本次循环中所行走路径的总CO2平滑度和。
2.3.3 繁殖蚂蚁
1)繁殖蚂蚁定义。
繁殖蚂蚁分为局部繁殖蚂蚁和全局繁殖蚂蚁，它能按前一轮最优解方向行走，繁殖出的新蚂蚁能进一步优化前一轮的最优解。记繁殖云中的蚂蚁集合为BC，存在蚂蚁k，在主机H上运行。它从起点出发，访问了所有区域，其行程解集记为{k,Pk,Lk|1≤k≤M},其中:k表示蚂蚁k, Pk表示蚂蚁k的路径, Lk表示蚂蚁k行程的CO2平滑度总和，M表示BC集合中蚂蚁数量。并记min=MIN(k,Pk,Lk), 1≤k≤M,则min表示行程中CO2平滑度最小的蚂蚁，Pmin表BC集合中CO2平滑度最小的路径，Lmin表示CO2最小平滑度和，本文把min作为局部繁殖蚂蚁。另记视觉云中的蚂蚁集合为VC, 邻接云中的蚂蚁集合为AC, 普通云中的蚂蚁集合为CC,设minc=MIN(BC,VC,AC,CC)为BC,VC,AC,CC集合中平滑度最小的蚂蚁，则在云全局计算周期内，将minc作为繁殖蚂蚁。在云局部周期内，繁殖蚂蚁按Pmin路径行走；在云全局周期内，繁殖蚂蚁按Pminc路径行走。繁殖蚂蚁每经过一点就能繁殖出一只新蚂蚁，新蚂蚁按自身规则向未走过的点行走。
2)繁殖蚂蚁行走规则。
在云计算平台中，设min为繁殖蚂蚁，其不受云内外的其他蚂蚁影响，按Pmin路径行走，经过点Rki (1≤i≤m×n,1≤k≤Ci)，以一定的概率繁殖出邻接蚂蚁、视觉蚂蚁、普通蚂蚁中的一只蚂蚁Ai，Ai选择不属于Pmin路径的点并以自身规则行走。Ai走完所有区域也作为这轮解集中的一个解。而min继续向前走，继续繁殖，直至完成路径Pmin。
2.3.4 视觉蚂蚁
1)视觉蚂蚁定义。
在视觉云中计算的蚂蚁称为视觉蚂蚁，可感知平滑度。它能感知当前节点下两个区域的平滑度，并以较大的概率往平滑度最小的方向行走。设视觉蚂蚁a位于当前点Roi，Rpj, Rqk ,使得sopij+spqjk最小，则蚂蚁a以较大的概率往Rpj行走(其中Ri与Rj相邻，Rj与Rk相邻)。
2)视觉蚂蚁行走规则。
在视觉云中的主机H上，设蚂蚁a在t时刻位于点Roi时，按概率Popij(a,t)选择下一个区域Rj的第p点。
Popij(a,t)=Ci/(Ci+Cj),使得sopij+spqjk最小
Cj/(Ci+Cj)(Ci-1), 使得sopij+spqjk非最小（5）
其中：Popij(a,t)表示蚂蚁a在t时刻从Ri区域的第o个点走向Rj区域的第p个点的概率，Ci和Cj表示Ri和Rj区域的点的个数。
2.3.5 邻接蚂蚁
1) 邻接蚂蚁定义。
邻接蚂蚁存在于邻接云中，它可感知与下个区域相邻接的、已走过区域的CO2浓度,能综合考虑邻接区域情况，并以此指导选择下一个区域的点，以较大概率选择与邻接区域比较光滑的点。
2) 邻接蚂蚁行走规则。
邻接蚂蚁a当前位于Ri区域中的k点，见图3，下一步要选择Rj区域中的一点。假设与Rj相邻接的区域有Rd、Ri、Re、Rf，其中Rd中的p点和Ri中的k点已走过，现以较大概率选择与Rpd、Rki所形成的平滑度最小的点，记为：
pkyij(a,t)=sykji+sypjd∑Cjx=1sxkji+sxpjd
其中：y∈Cj，pkyij(a,t)表示蚂蚁a在t时刻从点Rki到Rj区域的任意一点y的概率，sykji表示点Ryj到点Rki的平滑度值。
2.4 算法实现步骤
步骤1 云终端提交计算CO2浓度空间分布请求。
步骤2 云服务器形成四朵云：普通云、繁殖云、视觉云和邻接云，并把蚁群算法的计算任务分配到相应的朵云中。
步骤3 任务在云朵中的主机上并行进行。
1)普通云中运行的是普通蚂蚁，其按私有信息素表指导行走，云中各主机蚂蚁完成一轮后，从共享信息素表中获取新的信息素，继续下一轮行走，并以当前这轮中的优秀蚂蚁更新共享信息素表。云中各主机并行，以同样方式行走。当解达到给定要求时，终止。
2)繁殖云中运行的是繁殖蚂蚁，云中各主机蚂蚁取得云内局部最优解或全局最优解作为下一轮的繁殖蚂蚁，繁殖蚂蚁按前轮最优路径边走边繁殖，形成新的解集，再求出新的繁殖蚂蚁，继续求下轮的解集，并把每轮生成的优秀解提供给普通云更新共享信息素表。云中各主机并行，以同样方式行走。当解达到给定要求时，终止。
3)视觉云中运行的是视觉蚂蚁，云中各主机蚂蚁能感知当前节点下两个区域的平滑度，并以较大的概率往平滑度最小的方向行走。各主机以n只蚂蚁完成所有区域为一轮，将当前轮中优秀的解向上汇报，为普通云和繁殖云提供解集。当解未达到给定要求，继续下一轮；否则就终止。
4)邻接云中运行的是邻接蚂蚁，云中各主机蚂蚁也以自身规则行走，将产生的优秀解向上汇报，也为普通云和繁殖云提供解集，当解达到要求时终止；否则就继续循环。
步骤4 求出满足条件的解，寻优结束，解散云集。
步骤5 通过云服务器把最优解返回给云终端，云计算结束。
3 实验与仿真
为了验证算法的有效性，本文以浙江省临安市为测试地点，模拟100辆公交车装载CO2采集终端，在运行中实时采集CO2数据，本次实验共采集11080个数据，分成25×25的网格。并开发Clounding V2模拟软件，以信息技术实验室的60台主机组成云计算平台，并对实验数据进行大量测试，得出三个结论。
1)普通云、繁殖云、视觉云和邻接云中的蚂蚁数量比设为2∶2∶1∶1性能最佳。①仅取普通云和繁殖云，云内蚂蚁数量比设3∶1、2∶1、1∶1、1∶2、1∶3、1∶4，每种比例都做了8次实验，每次最优解在4821左右，计算出平均轮数，发现普通蚂蚁比繁殖蚂蚁为1∶1时，在取得4821解所需运行轮数最少，见图4。②仅取普通云和视觉云，云内蚂蚁数量比设4∶1、3∶1、2∶1、1∶1、1∶2、1∶3，每种比例也做了8次实验，在取得相同最优解时，普通蚂蚁比视觉蚂蚁为2∶1时，所需运行轮数最少，见图5。③仅取普通云和邻接云，云内蚂蚁数量比设4∶1、3∶1、2∶1、1∶1、1∶2、1∶3，每种比例也做了8次实验，发现普通蚂蚁比邻接蚂蚁为2∶1时，所需运行轮数最少，见图6所示。
因为蚁群优化算法以蚂蚁信息素更新为基础，所以普通蚂蚁对算法贡献最大；而繁殖蚂蚁能在前一轮最优解基础上强化搜索，能较好地找出更优的解，其贡献也非常大；视觉蚂蚁以较大概率向与当前节点最平滑的点行走，邻接蚂蚁以较
大概率选择与附近点所构成的平滑度最小，这行走规则与实际行走相符，故对算法也有一定贡献，而它们又往往会以一定的概率突破此规则，同时也避免算法停滞。最后选择普通云、繁殖云、方向云和视觉云之间比值2∶2∶1∶1性能最佳。2)云计算平台的蚁群优化算法收敛速度快、稳定性高、鲁棒性好。对模拟数据进行了8次实验，结果见图7。在8次实验中，前40轮中都快速收敛，平滑度从5600左右立即降至4860左右，寻优能力强。因为云平台有60台主机在并行工作，求解速度快，并且繁殖云、视觉云和邻接云为普通云作巨大贡献，使得蚂蚁信息素更新更趋向于有效解。40轮之后，8次实验基本都缓慢收敛，并在105轮左右基本趋向稳定，这时主要依赖繁殖云、视觉云和邻接云中以较优解为基础所生成的随机性蚂蚁在起作用，因此寻优速度降低；但因依赖之前的较优解，寻优不至于停滞。在105轮后基本结束，算法表现出稳定性高、鲁棒性好。并随机取了一次计算结果，通过ArcGIS软件的Kriging算法实现CO2分布描图，结果见图8，颜色越深说明CO2浓度越高。
3)对Clounding V2模拟软件进行改造，使其在单机上运行。在单机上运行8次所取平均解与云平台平均解进行比较，发现单机在780轮左右取到5200解（见图9），云计算中只需要在13轮左右就能达到（见图10）；单机在10860轮达到5000左右并基本达到稳定，而云计算在205转达到4750左右，可见云计算平台寻优能力远远高于单机。
4 结语
随着无线传感器网络的快速发展，对其采集到的海量数据进行存储与分析具有巨大的挑战。论文所提出的采用云计算平台对移动车载系统所采集的CO2数据进行融合有一定的创新性，尤其提出组合云模型，能给不同的云安排不同的任务，充分发挥每朵云的作用；同时也改造蚁群算法，使其能在云平台中运行，进一步提高组合云模型计算能力。
本算法虽然已经在60台主机上运行，但云的规模还比较小，下一步要在以下两方面所有突破：一要考虑是否能在整个校网中运行，使其存储、计算能力更大；二要考虑算法是否可在Hadoop云计算平台运行。
参考文献:
［1］
Intergovernmental Panel on Climate Change (IPCC). Climate change 2007: The physical science basis［M］.New York:Cambridge University Press, 2007:1-223.
［2］
中国承诺大幅降低单位GDP碳排放.中国日报网［EB/OL］.[2011-05-01]. 省略/hqzx/tjqhdh/2009.12/04/content_11364678.htm.
［3］
PU YI.FEN. Sensitivity test of the distribution of Indian ocean surface CO2 partial pressure on the physical and biochemical processes by a two.dimensional ocean carbon cycle model ［J］.Climatic and Environmental Research, 2009,14(3): 301-308.
［4］
张弥,温学发,于贵瑞,等.二氧化碳储存通量对森林生态系统碳收支的影响［J］.应用生态学报,2010,21(5):1201-1209.
［5］
BERBIGIER P, BONNEFOND J M, MELLMANN P. CO2 and water vapor fluxes for 2 years above Euroflux forest site［J］.Agricultural and Forest Meteorology,2001,10(8):183-197.
［6］
BALDOCCHI D. "Breathing" of the terrestrial biosphere: Lessons learned from a global network of carbon dioxide flux measurement systems［J］. Australian Journal of Botany,2008,5(6):1-26.
［7］
马晓明,王东海,易志斌,等.城市大气污染物允许排放总量计算与分配方法研究［J］.北京大学学报：自然科学版,2006,42(2):271-275.
［8］
IDSO S B, IDSO C D, BALLING C R. Seasonal and diurnal variations of near.surface atmospheric CO2 concent ration within a residential sector of the urban CO2 dome of Phoenix, AZ , USA［J］. Atmospheric Environment, 2002,36（10）:1655-1660.
［9］
GreenOrbs. A long.term kilo.scale wireless sensor network system in the forest［EB/OL］.[2011-06-01]. 省略.
［10］
郑湃,崔立真,王海洋,等.云计算环境下面向数据密集型应用的数据布局策略与方法［J］.计算机学报,2010,33(8):14720-1480.
［11］
赵俊华,文福拴,薛禹胜,等.云计算:构建未来电力系统的核心计算平台［J］.电力系统电动化,2010,34(15):1-8.
［12］
王鹏,孟丹, 詹剑锋,等.数据密集型计算编程模型研究进展［J］.计算机研究与发展,2010,47(11):1993-2010.
［13］
HANAWA T, BANZAI T, KOIZUMI H, et al. Large.scale software testing environment using cloud computing technology for dependable parallel and distributed systems［C］// 2010 The Third International Conference on Software Testing, Verification, and Validation Workshops. [S.l.]:IEEE, 2010:6-10.
［14］
Wikipedia. MapReduce framework［［EB/OL］. [2011-04-04]. en.省略/wiki/MapReduce.
［15］
CHU S C, RODDICK J F, PAN J S,et al.Parallel ant colony systems[J]. International Symposium on Methodologies for Intelligent Systems, LNCS 2871. Berlin: Springer,2003:279-284.
［16］
陈,章春芳.并行蚁群算法中的自适应交流策略［J］.软件学报,2007,18(3):617-624.
［17］
吕强,高彦明,钱培德.共享信息素矩阵:一种新的并行ACO方法［J］.自动化学报,2007,33(4):418-421.
［18］
WANG HUA, WANG GANG,MA JUN. A distributed ant colony algorithm based on cross.entropy for multi.constraints QoS routing［C］// The 9th International Conference on Advanced Communication Technology. [S.l.]: IEEE,2007:1809-1814.
［19］
TAKOVA K, KOROEC P, ILC J. A distributed multilevel ant colonies approach for graph partitioning[J]. Informatica, 2008,32(3):307-317.
关于蚂蚁的作文范文5
蚁群算法是基于群体智能的进化算法为基础的小说，关注个体的蚂蚁之间的合作，利用信息素正反馈机制，具有很强的寻找更好的解决方案的能力。蚁群算法已成功地应用在许多复杂的优化问题，其优化能力提供了一种新的思路来解决集合覆盖问题。蚁群算法具有耗时长、易陷入局部最优解的缺点。
关键词：NP完全问题 蚁群算法 群体智能
第一章研究背景
集合覆盖问题是一个NP问题，NP问题是计算机算法理论最深刻的问题，因为所有的NP完全问题，没有多项式时间算法求解。集合覆盖问题是非常广泛的，许多学者提出了优化算法的集合覆盖问题。这些算法的近似算法，根据具体问题的特点设计的，特别是问题可以得到较为理想的优化结果。
第二章 蚁群算法
2.1蚂蚁的基本习性
蚂蚁是一种最古老的社会性昆虫，其起源可以追溯到100000000年前，大约相同的恐龙时代。像人类一样，悄悄地与我们的星球亿蚂蚁数以百万计，几乎占据了所有可居住的土地，只有永恒的雪不信的南北足。虽然有成千上万的蚂蚁，但没有一个是生活，是生活在群体中，建立了自己独特的蚂蚁社会。虽然单个蚂蚁是相对简单的，但整个殖民地的代表是作为社会组织机构的高度，可以完成比在许多情况下，蚂蚁个体能力复杂的任务。蚂蚁社会个人从事不同的劳动，组织可以在劳动分工执行个体。蚂蚁的社会成员的组织分工除外，和相互通信和信息传输。蚂蚁有一个独特的信息系统，包括视觉信号，语音通信和更多的无声的语言是独特的，即多收集系统包括一个组合，天线信号和不同的化学物质作用，煽动其他人。控制自己的蚂蚁独特的环境的能力，是获得社会行为在其不断发展的高级形式的过程。
2.2蚂蚁的觅食策略
在自然界中，蚂蚁的食物来源是随机分布在鸟巢周围。经过仔细观察，我们可以发现，经过一段时间后，蚂蚁可以从蚁巢到食物源的最短路径中找到。单个蚂蚁的能力和智慧是非常简单的，但它们之间相互配合，分工，两个工人和王后的合作是不可能有足够的命令筑巢，觅食，完成迁移能力，如打扫巢穴的复杂的行为，如觅食的蚂蚁可以通过相互的合作关系的食物来源和巢形成路径几乎是直的。
2.3蚁群算法的思想起源
蚁群算法基本模型最初是由意大利学者提出dorig M等于在法国，在1991日举行的第一届欧洲人工生命会议上，巴黎：1992 dorig M在他的博士论文中进一步阐述了蚁群算法的核心理念。蚁群算法是受自然界中真实蚂蚁的集体行为而提出的，它的很多观点都来源于真实的蚂蚁，所以定义算法的人工蚂蚁和蚂蚁都很相似，但也有真正的蚂蚁的特点没有；
1）人工蚂蚁存在于一个离散的空间中，它们的移动是从一个状态到另一个状态的转换货
2）人工蚂蚁具有一个记忆其本身过去行为的内在状态参数
3）人工蚂蚁不是完全盲从的，它还受到问题空间特征的启发。例如有的问题中人工蚂蚁在产生一个解后改变信息量，而有的问题中人工蚂蚁每做出一步选择就更改信息量，但无论哪种方法，信息量的更新并不是随时都可进行的。
4）人工蚂蚁存在于一个与时间无关联的环境之中。
为了改善算法的优化效率，人工蚂蚁可增加一些性能，如预测未来、局部优化、回退等，这些行为在真实蚂蚁中是不存在的。在很多具体应用中，人工蚂蚁可在局部优化过程中相互交接信息，还有一些改进蚂蚁算法中的人工蚂蚁可实现简单预测。
第三章 基于蚁群算法的集合覆盖问题求解
3.1集合覆盖问题描述
集合覆盖问题是一个最优化问题，它模型化了许多资源选择
问题，已经被证明是NP难度的。集合覆盖问题是一个实例（X，F）由一个有穷集X 和一个X的子集族F构成，且X的每一个元素属于F中的至少一个子集：
我们说S∈F覆盖了它的元素。这个问题的目的是要找到一个最小规模子集C属于F，使其所有成员覆盖X的所有成员：
我们说任何满足方程的C覆盖X。图3.1是集合覆盖的一个例子，C的规模被定义为它所包含的集合数，而不是这些集合中的元素数。容易看出上式中最小解集规模为3，分别是S3、S4、S5。
为了便于用数学工具来描述集合覆盖问题，通常将集合覆盖模型抽象成矩阵形式来表示。
例1 设S={0，1，2，3，4，5，6，7，8，9，10，11}；S1={0，1，2，3，4，5}；S2={4，5，7，8}；
S3={0，3，6，9}；S4={1，4，7，10}；S5={2，5，8，11}；
用矩阵的，第i（1≤i≤12）行表示有穷集S中的第i个元素，第j（1≤j≤5）列表示子集Sj.矩阵元素Cij=1表示子集Sj包含集合S中的第i个元素，可称j列覆盖了i行政反之，表示子集Si不包含集合S中的元素，j列不覆盖i行。按上述方法例1的集合覆盖模型可以抽象成如图3.2的矩阵形式，本文称此矩阵为覆盖矩阵C。
例1中的集合覆盖问题转换成图3.2所示覆盖矩阵形式后，在集合覆盖问题中通常定义5维布尔向量y=（y1，y2，…，y5）T，yj=1（1≤j≤5）表示第j列被选中，yj=0表示第j列被排除。从而集合覆盖问题的优化可按以下等价的方式描述：
为例1中的各子集Sj配一个权重值wj，则带权重的集合覆盖问题可以用如下数学方式描述：
满足：C.Y≥1，Y∈{0，1}5.
在很多实际问题中，为了更好的利用具体问题的有效信息，一般考虑把能反映问题特性的信息量作为权重值，然后对带权重的集合覆盖模型进行优化。
集合覆盖问题模型有极其广泛的应用，在实际问题中经常会遇到，目前优化集合覆盖问题的一些近似算法，对于复杂的或规模较大的集合覆盖问题的优化效果不太理想。
参考文献：
关于蚂蚁的作文范文6
《寄来寄去的蚂蚁》讲述的是一只蚂蚁被布熊误寄给土拨鼠后，土拨鼠想用汽车、轮船和飞机送蚂蚁回家但都被蚂蚁否定，最终土拨鼠用寄信的方式送小蚂蚁回家的故事。故事虽然情节简单，但颇具童趣和想象力。我设计的活动分为两课时，该方案为第一课时。故事中最关键的线索是“信”，但小班幼儿对于寄信、收信和信的格式都缺乏生活经验。为了帮助幼儿理解，在设计活动时，我尝试用了以下两个策略：一是引导幼儿观察图文并茂的信，知道信的内容，引出故事。二是设计了“读信”游戏，把“读信”作为学习完整语句的载体，吸引幼儿快乐参与阅读和表达，让幼儿在读一读、想一想、玩一玩的过程中理解前半部分故事内容，从而达到活动目标。
小班幼儿有意注意水平低下，不能长时间地安静阅读，他们喜欢色彩鲜艳、形象逼真、有重复情节和语言的内容，考虑到这些特点，我将故事后半部分关于交通工具的内容放到第二课时。第二课时的组织以观察故事画面为主，通过有趣的问题引导幼儿观察与表达，激发幼儿交流对交通工具的已有认识的兴趣，同时针对不同交通工具设计简单的游戏，从而加深对故事内容的理解，并体验故事的情趣。
目标：
1．仔细观察画面并大胆表述，理解故事前半部分内容。
2.在情境表演中用完整的语句学说“请×××送蚂蚁回家”。
3．用动作表现部分故事情节，体验其中的快乐，萌发自主阅读后半部分故事的兴趣。
准备：
1．教师用：大书，一封布熊写的信，PPT（演示文稿），小蚂蚁指偶，黑板和粉笔。
2．幼儿用：人手一本小书和一封信。
过程：
一、以布熊的信引出活动，引导幼儿理解信的内容
（一）认识寄信人和收信人
师：（出示一封布熊写的信）你们知道这是什么吗？
师：对，这是一封信。它会是谁写的信？又是给谁的呢？
师：对，是布熊写的。是布熊写给谁的呢？
师：哦，你们还不认识它。看，他有大大的门牙，名字叫土拨鼠。
（二）理解信的主要内容
师：这是布熊写给土拨鼠的信，我们一起打开信看看信上有什么。（引导幼儿观察信中的画面并简单描述。）
师：苹果树上有什么？
师：怎么样的苹果？
师：哇，苹果树上长满了又红又大的苹果。信上还有什么？哦，还有土拨鼠在吃苹果。
师：你能猜猜布熊想对土拨鼠说什么事情吗？（引导幼儿想象并表达。）
（三）听教师读信
师：信上到底说了什么事情呢？请听我读一读。（教师读信：亲爱的土拨鼠，我家的苹果成熟了，请您一起来吃又红又大的苹果。您的朋友小熊。）
二、集体观看PPT
（一）观看PPT
教师边讲述故事边提问，帮助幼儿理解故事内容。
师：布熊在写这封信的时候，爬来了一只小蚂蚁。请你找一找，小蚂蚁在哪里？
幼：找到了，在苹果树下面。
师：小蚂蚁真小。像什么？
师：小蚂蚁太小了，只有芝麻那么大。布熊没有看见它就直接把信寄出去了。它把信放到哪里去了？
师：对，是邮筒。你在哪里看见过邮筒？邮筒是怎么样的？
师：你看得真仔细，邮筒是绿色的、圆圆的。信寄给了谁？（土拨鼠。）
师：我们仔细看看土拨鼠长得什么样。（引导幼儿描述土拨鼠的样子。）
师：土拨鼠长着灰色的毛，是钻洞高手。它在和谁说话？（教师点击PPT，画面跳出放大镜，把小蚂蚁放大。）
师：小蚂蚁在干什么？你怎么看出来的？（引导幼儿观察、描述小蚂蚁的动态和细节。）
师：对，小蚂蚁哭了，它一边跺脚一边擦眼泪说：“我要回家，我要回家。”
师：小蚂蚁为什么会离开家的呢？
2．教师利用大书讲述故事至“小蚂蚁说‘回家的路远着呢’”。
（二）猜测活动
师：小蚂蚁一定要回家。那土拨鼠准备怎么送小蚂蚁回家呢？（当幼儿说出自己的猜测时，教师便用简笔画表现幼儿的猜测，并请所有幼儿用动作及语言进行表达。如当一幼儿说“坐汽车送小蚂蚁回家”时，教师便用简笔画画一辆汽车和一只小蚂蚁，请幼儿学说“请汽车送小蚂蚁回家”并学做开汽车的动作。以此类推。）
三、游戏：读信
（一）自由阅读信上的图画并与同伴交流
师：土拨鼠也想了很多办法，它把办法都写在信里，寄给小朋友了。信就在你们椅子后面的书袋里，你们打开信来看一看吧。（教师请幼儿打开信纸阅读信上的图画，并离开座位相互交流。）
（二）用一句完整的话表述信的内容，并用动作表现
师（出示指偶小蚂蚁）：小蚂蚁爬呀爬呀爬，它喜欢怎么回家呢？
教师让“小蚂蚁”爬到一幼儿的信纸上，请该幼儿大声读信，如：请袋鼠送小蚂蚁回家。
师：袋鼠怎么送小蚂蚁回家呢？
（教师引导幼儿表达袋鼠如何送小蚂蚁回家，并和幼儿一起学袋鼠跳送小蚂蚁回家。）
教师让“小蚂蚁”爬呀爬呀，爬到一幼儿的信纸上，请该幼儿大声读信，如：请长颈鹿送小蚂蚁回家。
师：长颈鹿怎么送小蚂蚁回家？
（教师引导幼儿表达，并和幼儿一起学长颈鹿把小蚂蚁驮回家。）
……
教师让“小蚂蚁”爬呀爬呀，爬到一幼儿的信纸上，请该幼儿大声读信，如：请火车送小蚂蚁回家。
师：火车怎么送小蚂蚁回家呢？
（教师引导幼儿表达，并让幼儿排列在一起，模拟开火车，送小蚂蚁回家。）
延伸活动：
师：小蚂蚁到底是怎么回家的呢？我们快到书里去找一找吧。
（把图书投放到区角，让幼儿自由翻阅故事后半部分。）
附： 寄来寄去的蚂蚁
王一梅/文
布熊一边吃蜂蜜，一边写信，引来一只小蚂蚁。小蚂蚁站在信纸上，就像一个逗号。布熊没有发现，把信装进信封就寄出去了。
这信是寄给土拨鼠的。土拨鼠不认识字，不知道信上写的是什么，却发现了小蚂蚁。“我要回家，我要回家。”小蚂蚁跺着脚、抹着眼泪说。
“这布熊是怎么了？给我寄来这么个小哭虫。”土拨鼠对小蚂蚁没办法，只好轻声轻气地说：“别哭，别哭。我送你回家。”
小蚂蚁说：“回家的路远着呢！”
“那我带你去乘汽车，好吗？”土拨鼠说。
“不行！我可不愿意乘汽车，会晕车的。”小蚂蚁一个劲地摇头。
“那就坐船吧。”土拨鼠说。
“不行！不行！我怕水。”小蚂蚁一个劲地摆触须。
“那就坐飞机？”土拨鼠决定破费一些。
“不行！不行！更不行！”小蚂蚁又要哭了。
