本文關(guān)鍵詞： 布谷鳥搜索 萊維飛行 旅行商問題 群智能算法　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年24期 　論文類型：期刊論文

【摘要】：布谷鳥搜索(Cuckoo Search,CS)算法在求解連續(xù)優(yōu)化問題時表現(xiàn)出了較好的性能,但現(xiàn)有的CS算法在求解旅行商問題(Traveling Salesman Problem,TSP)時收斂較慢且未能體現(xiàn)Levy飛行的特點(diǎn),針對這些不足提出了一種新的基因-表現(xiàn)型的布谷鳥算法(Genotype-Phenotype Cuckoo Search,GPCS),GPCS算法首先賦予每個城市一個整數(shù)部分為城市編號的隨機(jī)小數(shù)編碼即基因,而此基因所表現(xiàn)的內(nèi)容由小數(shù)和整數(shù)共同決定,小數(shù)決定城市的訪問次序,整數(shù)部分代表某個城市,兩個部分組合起來構(gòu)成Levy飛行的鄰域空間,最后根據(jù)不同的飛行結(jié)果選擇重定位或替換操作。實(shí)驗(yàn)結(jié)果表明,GPCS算法優(yōu)于同類的CS算法,也優(yōu)于一些其他的群智能算法,特別在求解大規(guī)模TSP時其優(yōu)勢更加明顯。
[Abstract]:Cuckoo search Cuckoo SearchCass (Cuckoo) algorithm shows good performance in solving continuous optimization problems. However, the current CS algorithm is slow to converge and does not reflect the characteristics of Levy flight when it is used to solve traveling salesman problem (TSP). A new gene-phenotype Cuckoo algorithm, Genotype-Phenotype Cuckoo search Cuckoo, is proposed. The GPCS algorithm first gives each city a random decimal code with an integer part of the city number, that is, gene. The content of the gene is determined by the decimal and integer, and the decimal determines the access order of the city. The integer part represents a city, and the two parts combine to form the neighborhood space of Levy flight. Finally, according to different flight results, the relocation or replacement operation is selected. The experimental results show that. The GPCS algorithm is superior to the similar CS algorithm and some other swarm intelligence algorithms, especially for solving large scale TSP.
【作者單位】： 福建農(nóng)林大學(xué)計(jì)算機(jī)與信息學(xué)院;
【基金】：福建省自然科學(xué)基金(No.2015J01233) 福建省教育廳項(xiàng)目(No.JAT160143)
【分類號】：TP18
【正文快照】： 1引言旅行商問題(Traveling Salesman Problem,TSP)是組合優(yōu)化領(lǐng)域的一個典型問題,在運(yùn)籌學(xué)和理論計(jì)算機(jī)科學(xué)中非常重要,其求解方案可廣泛應(yīng)用于集成電路布線、車間調(diào)度、物流配送等,由于其所代表的意義以及易描述性,常常作為基準(zhǔn)函數(shù)用來測試算法的性能。TSP屬于NP-困難問題,

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牟廉明;;子旅行商問題及其蟻群求解算法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年11期

2 黃秋菀;王志剛;夏慧明;;求解旅行商問題的人工蜂群算法[J];價(jià)值工程;2013年09期

3 張德富;顧衛(wèi)剛;;解旅行商問題的一種有效方法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);1993年02期

4 郭靖揚(yáng);;旅行商問題概述[J];大眾科技;2006年08期

5 胡廣朋;韋余娟;郁甲;章睿;;結(jié)點(diǎn)可同名圖的旅行商問題[J];電子設(shè)計(jì)工程;2013年15期

6 潘立登,黃曉峰;用啟發(fā)式貪心法求解旅行商問題[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年02期

7 王文舉;;蟻群算法求解旅行商問題及實(shí)現(xiàn)[J];電腦編程技巧與維護(hù);2014年05期

8 高春濤;;用蟻群算法求解旅行商問題[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

9 趙曦;葉和平;;廣義旅行商問題及其求解[J];東莞理工學(xué)院學(xué)報(bào);2007年05期

10 李樹剛;陳雪峰;;動態(tài)旅行商問題的研究[J];計(jì)算機(jī)工程;2008年10期

相關(guān)會議論文 前3條

1 張雷;鄭維敏;;廣義旅行商問題、放映員問題和一類調(diào)度模型[A];1996年中國控制會議論文集[C];1996年

2 李大衛(wèi);王夢光;;熱軋調(diào)度與多旅行商問題[A];1996年中國控制會議論文集[C];1996年

3 孫啟瑞;李俊;丁健;戴先中;;新型訪問域部分重疊的多旅行商問題的GA求解[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第四分冊）[C];2013年

相關(guān)博士學(xué)位論文 前1條

1 譚陽;求解廣義旅行商問題的若干進(jìn)化算法研究[D];華南理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉欣欣;旅行商問題的基因片段插入算法研究[D];閩南師范大學(xué);2015年

2 陳玲;基于PSO-GA混合算法的時間優(yōu)化的旅行商問題的研究[D];合肥工業(yè)大學(xué);2015年

3 趙麗娜;帶油耗的單商品取送貨旅行商問題研究[D];沈陽師范大學(xué);2016年

4 毛巍;一種新的改進(jìn)人工蜂群算法及其在旅行商問題中的應(yīng)用[D];四川理工學(xué)院;2016年

5 盧雨瀟;基于多頭絨泡菌模型的優(yōu)化蟻群算法及其在旅行商問題中的運(yùn)用[D];西南大學(xué);2016年

6 肖聰;農(nóng)產(chǎn)品配送中的流旅行商問題及啟發(fā)式算法的研究[D];吉林農(nóng)業(yè)大學(xué);2016年

7 孫文成;基于多目標(biāo)方法的旅行商問題復(fù)雜度研究[D];大連理工大學(xué);2016年

8 師肖靜;不確定環(huán)境下旅行商問題的模型及算法[D];聊城大學(xué);2017年

9 吳志華;降冪編碼遺傳算法及其在旅行商問題中的應(yīng)用研究[D];武漢科技大學(xué);2010年

10 文永軍;旅行商問題的兩種智能算法[D];西安電子科技大學(xué);2010年

，

本文編號：1450913