針對帶約束的多目標優(yōu)化問題,提出一種改進的蟻群算法(Ant colony optimization,ACO)。在基本算法的基礎上,通過對初始信息素進行混沌處理,動態(tài)調(diào)整參數(shù)α(信息啟發(fā)式因子)和β(期望啟發(fā)式因子)值,引入最大-最小螞蟻系統(tǒng)來對算法進行改進,利用Pareto的排序機制對搜索到的可行解進行分類排序,得出可行解。對4個經(jīng)典測試函數(shù)的仿真結(jié)果表明,文中算法在均勻性、尋有能力均優(yōu)于另兩種算法。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 改進的ACO算法
    1.1 基本ACO算法
    1.2 Logistic混沌映射
    1.3 參數(shù)的動態(tài)調(diào)整
    1.4 最大-最小螞蟻系統(tǒng)
    1.5 改進算法的具體實現(xiàn)步驟
2 算法驗證及結(jié)果分析
    2.1 評價指標與測試函數(shù)
        2.1.1 評價指標
        2.1.2 測試函數(shù)
    2.2 算法性能分析
    2.3 結(jié)果分析
3 結(jié)束語



本文編號：3951853