發(fā)布時間：2021-06-16 13:43

　　針對蟻群算法在求解TSP問題中易出現(xiàn)算法易早熟難收斂的問題,基于歷史搜索信息提出了一種改進狀態(tài)轉(zhuǎn)移策略的蟻群算法,并引入自適應信息素更新機制引導信息素的更新。實驗表明,改進的蟻群算法較傳統(tǒng)蟻群算法改善了在求解TSP問題上易早熟難收斂的問題,求解效果和求解穩(wěn)定性上提升顯著。 

【文章來源】：青島大學學報(自然科學版). 2019,32(01)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 TSP問題
2 改進的蟻群算法
    2.1 改進的狀態(tài)轉(zhuǎn)移策略
    2.2 信息素更新
3 算法模擬與結果分析
    3.1 實驗數(shù)據(jù)
    3.2 約束項設計分析
    3.3 改進蟻群算法與傳統(tǒng)蟻群算法性能比較
4 結論


【參考文獻】：
期刊論文
[1]改進細菌覓食算法在TSP問題中的應用[J]. 宋堯,葉樺,仰燕蘭.  工業(yè)控制計算機. 2018(08)
[2]求解旅行商問題的改進蟻群算法研究[J]. 張于賢,丁修坤,薛殿春,王曉婷.  計算機工程與科學. 2017(08)
[3]基于人工免疫改進的搬運機器人蟻群路徑規(guī)劃[J]. 張巖巖,侯媛彬,李晨.  計算機測量與控制. 2015(12)
[4]一種基于粒子群參數(shù)優(yōu)化的改進蟻群算法[J]. 李擎,張超,陳鵬,尹怡欣.  控制與決策. 2013(06)
[5]基于蟻群算法和神經(jīng)網(wǎng)絡的數(shù)控機床故障診斷技術研究[J]. 吳冬敏,邵劍平,芮延年.  機械設計與制造. 2013(01)
[6]基于改進蟻群算法的服務組合優(yōu)化[J]. 夏亞梅,程渤,陳俊亮,孟祥武,劉棟.  計算機學報. 2012(02)
[7]粒子群和蟻群融合算法的自主清潔機器人路徑[J]. 楊惠,李峰.  計算機工程與應用. 2009(32)
[8]求解TSP問題算法綜述[J]. 王劍文,戴光明,謝柏橋,張全元.  計算機工程與科學. 2008(02)
[9]旅行商問題算法研究綜述[J]. 陳文蘭,戴樹貴.  滁州學院學報. 2006(03)
[10]具有變異特征的蟻群算法[J]. 吳慶洪,張紀會,徐心和.  計算機研究與發(fā)展. 1999(10)



本文編號：3233178