針對(duì)蟻群算法易陷入局部最優(yōu)與收斂速度較慢的不足,提出了動(dòng)態(tài)學(xué)習(xí)機(jī)制的雙種群蟻群算法。該算法重點(diǎn)引入獎(jiǎng)懲模型,獎(jiǎng)勵(lì)算子提高算法的收斂速度,懲罰算子增加種群的多樣性。由SA-MMAS(adaptive simulated annealing ant colony algorithm based on max-min ant system)和MMAS(max-min ant system)兩個(gè)種群合作搜索路徑,蟻群間根據(jù)不同城市規(guī)模動(dòng)態(tài)地進(jìn)行信息素交流,在種群交流后利用獎(jiǎng)懲模型對(duì)雙種群間的學(xué)習(xí)合作行為給予動(dòng)態(tài)的反饋,從而平衡算法的多樣性與收斂速度。通過(guò)17個(gè)經(jīng)典旅行商問(wèn)題(traveling salesman problem,TSP)實(shí)例進(jìn)行驗(yàn)證,結(jié)果表明該算法能以較少的迭代次數(shù)取得最優(yōu)解或接近最優(yōu)解。對(duì)于中大規(guī)模的TSP問(wèn)題效果更好,從而驗(yàn)證了算法的高效性和可行性。

【文章頁(yè)數(shù)】：12 頁(yè)

【文章目錄】：
1 引言
2 相關(guān)工作
    2.1 蟻群算法ACO在TSP上的應(yīng)用
    2.2 最大最小蟻群算法
3 動(dòng)態(tài)學(xué)習(xí)機(jī)制的雙種群蟻群算法
    3.1 SA-MMAS
    3.2 學(xué)習(xí)機(jī)制
        3.2.1 交流機(jī)制
        3.2.2 動(dòng)態(tài)學(xué)習(xí)的獎(jiǎng)懲模型
    3.3 算法流程
4 實(shí)驗(yàn)仿真
    4.1 問(wèn)題求解及對(duì)比
    4.2 收斂速度對(duì)比
5 結(jié)束語(yǔ)



本文編號(hào)：3833066