針對基本蟻群算法存在的收斂速度慢,易停滯等不足,提出一種新的算法改進策略。對初始信息素引入距離信息,并根據(jù)螞蟻構建的路徑質(zhì)量,引入正負反饋機制對各路徑信息素進行自適應差異化更新,使算法在對較優(yōu)路徑信息充分利用的同時,也保持著較好的全局搜索能力,避免了算法的過早停滯;同時對每次循環(huán)中的最優(yōu)路徑引入局部搜索策略,實現(xiàn)了對可行解的進一步優(yōu)化。結合多個不同規(guī)模TSP問題的仿真實驗表明了該改進算法的可行性和有效性。 

【文章來源】：機械設計與制造. 2019,(10)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 求解旅行商問題的基本蟻群算法
    2.1 旅行商問題的描述
    2.2 基本蟻群算法模型
3 蟻群算法的改進
    3.1 初始信息素的改進
    3.2 差異化信息素更新策略
    3.3 局部搜索策略
    3.4 改進蟻群算法步驟
4 仿真試驗及結果
5 結論


【參考文獻】：
期刊論文
[1]改進蟻群算法的閥控液壓缸模糊PID參數(shù)優(yōu)化[J]. 李楊,李巖舟.  機械設計與制造. 2018(07)
[2]基于遺傳-蟻群算法的裝配序列規(guī)劃研究[J]. 孟冠軍,楊大春.  組合機床與自動化加工技術. 2018(04)
[3]基于改進蟻群算法的移動機器人路徑規(guī)劃研究[J]. 王志中.  機械設計與制造. 2018(01)
[4]蟻群算法及其應用綜述[J]. 喬東平,裴杰,肖艷秋,周坤.  軟件導刊. 2017(12)
[5]求解柔性機器人車間調(diào)度問題的混合蟻群算法[J]. 楊煜俊,陳業(yè).  計算機工程與應用. 2018(13)
[6]改進的蟻群與粒子群混合算法求解旅行商問題[J]. 汪沖,李俊,李波,張粵.  計算機仿真. 2016(11)
[7]基于蟻群神經(jīng)網(wǎng)絡的兩級信息融合算法[J]. 呂紅芳,顧幸生.  上海交通大學學報. 2016(08)
[8]改進蟻群算法的多約束質(zhì)量最優(yōu)路徑選擇[J]. 馬榮貴,崔華,薛世焦,郭璐,袁超.  西安電子科技大學學報. 2016(03)
[9]基于吸引場的蟻群算法在TSP中的應用[J]. 王雷,李明,劉志虎.  江蘇大學學報(自然科學版). 2015(05)
[10]一種面向對象的多角色蟻群算法及其TSP問題求解[J]. 杜鵬楨,唐振民,孫研.  控制與決策. 2014(10)



本文編號：3203858