針對(duì)經(jīng)典蟻群算法易陷入局部最優(yōu)解、收斂速度慢、全局最優(yōu)解質(zhì)量不佳等問(wèn)題,通過(guò)分析研究蟻群算法和抽樣策略,提出了基于反饋仿射振蕩器（RAS）和反饋搜索智能優(yōu)化（RSO）的改進(jìn)蟻群算法。首先,利用RAS算法在所給函數(shù)區(qū)域進(jìn)行撒點(diǎn)抽樣,得到若干節(jié)點(diǎn)而不是進(jìn)行毫無(wú)目的的隨機(jī)撒點(diǎn);同時(shí),基于RSO的思想對(duì)全局信息素更新規(guī)則加以改進(jìn),充分利用每次迭代結(jié)束后局部最優(yōu)解的價(jià)值;然后,基于RSO的思想調(diào)節(jié)信息素?fù)]發(fā)系數(shù),盡量避免算法在運(yùn)行期間陷入局部最優(yōu)解,同時(shí)加速算法收斂;最后,通過(guò)自適應(yīng)調(diào)整路徑選擇參數(shù)的值,加快算法收斂同時(shí)減小算法陷入局部最優(yōu)解的可能。仿真實(shí)驗(yàn)一該算法相較于最大最小蟻群系統(tǒng)、經(jīng)典遺傳算法、基于精英保留策略的改進(jìn)遺傳算法解的優(yōu)質(zhì)程度分別提升10.9%、22.1%、11.2%,迭代次數(shù)分別減少31.1%、23.3%、18.7%;仿真實(shí)驗(yàn)二中解的優(yōu)質(zhì)程度分別提升12.9%、24.6%、13%,迭代次數(shù)分別減少39.5%、11.7%、3.2%。仿真實(shí)驗(yàn)結(jié)果表明,該算法可加快算法收斂同時(shí)提升解的優(yōu)質(zhì)程度,能有效解決路徑優(yōu)化問(wèn)題。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(S1)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

改進(jìn)tanh函數(shù)圖像

如圖2所示，已使用RAS抽樣撒點(diǎn)方法給出100個(gè)隨機(jī)點(diǎn)，從而加速算法收斂�，F(xiàn)對(duì)本文提出的改進(jìn)蟻群算法、最大最小蟻群系統(tǒng)（Min-Max Ant System,MMAS）及遺傳算法、改進(jìn)遺傳算法進(jìn)行仿真對(duì)比。依據(jù)文獻(xiàn)[10]，新算法參數(shù)設(shè)置：螞蟻數(shù)30、α=2、β=1、ρ=0.3、Q=50，ρmin=0.15，迭代次數(shù)100[8]。MMAS算法的參數(shù)除缺少ρmin等改進(jìn)的參數(shù)外與新算法參數(shù)一致[9]。遺傳算法種群數(shù)50，變異概率0.5，迭代次數(shù)100次。改進(jìn)遺傳算法使用實(shí)數(shù)編碼，同時(shí)為確保每一代的最優(yōu)路徑不被破壞，因此采用精英保留策略來(lái)保留每一代中權(quán)值最低的路徑[10]。

如圖5所示，已使用RAS抽樣撒點(diǎn)方法給出100個(gè)隨機(jī)點(diǎn)，從而加速算法收斂�，F(xiàn)對(duì)本文提出的基于RAS及RSO的改進(jìn)蟻群算法、MMAS算法以及遺傳算法、改進(jìn)遺傳算法進(jìn)行仿真對(duì)比。依據(jù)文獻(xiàn)[8]，新算法參數(shù)設(shè)置：螞蟻數(shù)30、α=1.5、β=4、ρ=0.3、Q=50，ρmin=0.15，迭代次數(shù)100[8]。MMAS算法的參數(shù)除缺少ρmin等改進(jìn)的參數(shù)外與新算法參數(shù)一致[10]。遺傳算法種群數(shù)50，變異概率0.5，迭代次數(shù)100次。改進(jìn)遺傳算法使用實(shí)數(shù)編碼，同時(shí)為確保每一代的最優(yōu)路徑不被破壞，因此采用精英保留策略來(lái)保留每一代中權(quán)值最低的路徑。圖6給出了本文算法與其他算法的收斂性分析[10]。

【參考文獻(xiàn)】：
期刊論文
[1]用于求解TSP問(wèn)題的遺傳算法比較研究[J]. 徐瑞超.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]基于改進(jìn)蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[J]. 江明,王飛,葛愿,孫龍龍.  儀器儀表學(xué)報(bào). 2019(02)
[3]基本蟻群算法在解決TSP問(wèn)題中參數(shù)選擇的研究[J]. 楊昌昊,張琢.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2018(05)
[4]基于改進(jìn)蟻群算法的車輛路徑優(yōu)化問(wèn)題研究[J]. 岳蘋.  工業(yè)控制計(jì)算機(jī). 2017(09)
[5]一種基于改進(jìn)全局信息素更新效率的蟻群算法及仿真[J]. 葉仕通,萬(wàn)智萍.  計(jì)算機(jī)應(yīng)用與軟件. 2014(01)

碩士論文
[1]基于改進(jìn)混合蟻群算法的物流配送路徑優(yōu)化研究[D]. 李茹.山西大學(xué) 2017
[2]蟻群算法及群體智能的應(yīng)用研究[D]. 王會(huì)穎.安徽大學(xué) 2007



本文編號(hào)：2989395