為了克服傳統(tǒng)小生境（Niching）策略中的參數(shù)設(shè)置難題,提出一種求解旅行商問題的進(jìn)化多目標(biāo)優(yōu)化方法:建立以路徑長(zhǎng)度和平均離群距離為目標(biāo)的雙目標(biāo)優(yōu)化模型,利用改進(jìn)非支配排序遺傳算法（NSGAII）進(jìn)行求解.為了在全局探索能力與局部開發(fā)能力之間保持平衡,算法中采用一種使路徑長(zhǎng)度相同的可行解互不占優(yōu)的評(píng)價(jià)策略,并通過一種新的離散差分進(jìn)化算子和簡(jiǎn)化的2-Opt策略生成候選解.與已有算法的數(shù)值試驗(yàn)結(jié)果比較表明,求解旅行商問題（TSP）的改進(jìn)非支配排序遺傳算法（NSGAII-TSP）能夠更好地保持種群多樣性,從而克服局部最優(yōu)解的吸引并具有更魯棒的全局探索能力.通過借助特殊的個(gè)體評(píng)價(jià)策略,所提出的算法可以更好地進(jìn)行全局優(yōu)化,甚至同時(shí)得到多個(gè)全局最優(yōu)解. 

【文章來源】：控制與決策. 2019,34(04)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 TSP問題及其雙目標(biāo)優(yōu)化模型
    1.1 TSP問題
    1.2 多目標(biāo)優(yōu)化問題
    1.3 求解TSP問題的雙目標(biāo)優(yōu)化模型
2 求解TSP問題的多目標(biāo)進(jìn)化算法
    2.1 基于城市順序編碼的離散差分進(jìn)化策略
    2.2 2-Opt局部搜索策略
    2.3 求解TSP問題的NSGAII
3 數(shù)值試驗(yàn)
    3.1 求解RSTSP的數(shù)值試驗(yàn)結(jié)果
    3.2 求解USTSP的數(shù)值試驗(yàn)結(jié)果
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]一種求解旅行商問題的新型帝國(guó)競(jìng)爭(zhēng)算法[J]. 張?chǎng)锡?陳秀萬(wàn),肖漢,李偉.  控制與決策. 2016(04)
[2]新型蟻群算法在TSP問題中的應(yīng)用[J]. 張弛,涂立,王加陽(yáng).  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(08)
[3]求解TSP問題的離散狼群算法[J]. 吳虎勝,張鳳鳴,李浩,梁曉龍.  控制與決策. 2015(10)
[4]仿生蚊子追蹤算法[J]. 馮翔,張進(jìn)文,虞慧群.  計(jì)算機(jī)學(xué)報(bào). 2014(08)
[5]求解TSP問題的快速蟻群算法[J]. 申鉉京,劉陽(yáng)陽(yáng),黃永平,徐鐵,何習(xí)文.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2013(01)
[6]求解TSP的人工螢火蟲群優(yōu)化算法[J]. 周永權(quán),黃正新.  控制與決策. 2012(12)
[7]混合量子差分進(jìn)化算法及應(yīng)用[J]. 任子武,熊蓉,褚健.  控制理論與應(yīng)用. 2011(10)
[8]一種求解TSP的混合遺傳蟻群算法[J]. 徐金榮,李允,劉海濤,劉攀.  計(jì)算機(jī)應(yīng)用. 2008(08)
[9]求解TSP的量子遺傳算法[J]. 王宇平,李英華.  計(jì)算機(jī)學(xué)報(bào). 2007(05)
[10]一種求解旅行商問題的交叉禁忌搜索(英文)[J]. 楊寧,田蔚風(fēng),金志華.  系統(tǒng)仿真學(xué)報(bào). 2006(04)



本文編號(hào)：3378999