對于求解TSP問題,提出一種貪婪隨機自適應灰狼優(yōu)化算法（GRAGWO）。GRAGWO算法基于貪婪隨機自適應搜索算法（GRASP）,采用其構造階段生成初始解,在局部搜索階段采用灰狼優(yōu)化算法（GWO）對結果進行優(yōu)化。GWO算法不能直接用于求解離散問題,易陷入局部最優(yōu),導致后期收斂速率較低。根據(jù)TSP問題的特性,針對易形成局部最優(yōu)路徑和隨著迭代次數(shù)增進而導致種群多樣性減退這兩個缺陷,重新定義灰狼編碼方式,與GRASP啟發(fā)式算法相結合,應用于求解TSP問題。采用TSPLIB中的多組不同規(guī)模的TSP問題作為實驗用例,并將GRAGWO算法與其他仿生算法進行對比,結果表明在求解準確率、穩(wěn)定性和解決大型城市問題方面具有相對優(yōu)勢。 

【文章來源】：現(xiàn)代電子技術. 2019,42(14)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 算法原理
    1.1 貪婪隨機自適應搜索算法
    1.2 灰狼優(yōu)化算法
        1.2.1 搜尋過程
        1.2.2 包圍過程
        1.2.3 位置更新（攻擊）
2 改進策略
    2.1 GRASP算法初始化種群
    2.2 目標函數(shù)構造
3 實驗結果
4 結語


【參考文獻】：
期刊論文
[1]基于改進灰狼優(yōu)化算法的類TSP問題研究——以旅游為例[J]. 許如琪,曹敏,黃夢雪,朱艷慧.  地理與地理信息科學. 2018(02)
[2]旅行商問題的一種高效近似算法及其排考應用[J]. 袁志.  微電子學與計算機. 2018(01)
[3]改進遺傳模擬退火算法在TSP優(yōu)化中的應用[J]. 何慶,吳意樂,徐同偉.  控制與決策. 2018(02)
[4]具有自適應搜索策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,韓邦杰,孫楚,李牧東.  計算機科學. 2017(03)
[5]求解TSP問題的自適應離散型布谷鳥算法[J]. 張子成,韓偉.  計算機工程與應用. 2017(10)
[6]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)
[7]求解TSP問題的離散型螢火蟲群優(yōu)化算法[J]. 周永權,黃正新,劉洪霞.  電子學報. 2012(06)

碩士論文
[1]旅行商問題的研究與應用[D]. 袁豪.南京郵電大學 2017
[2]基于精英策略的改進狼群算法在城市公交路線問題中的研究[D]. 吳蕊蕊.吉林大學 2017
[3]關于融合GRASP算法的選擇性集成學習方法研究[D]. 張婷.南京航空航天大學 2016
[4]基于免疫算法的TSP問題求解[D]. 馮舒怡.天津大學 2016
[5]蟻群算法的改進及TSP仿真研究[D]. 王勝訓.西安電子科技大學 2014



本文編號：3435807