本文選題：TSP問題　切入點：布谷鳥搜索算法　出處：《計算機工程與應用》2017年10期

【摘要】：對于求解的TSP問題,提出了一種自適應離散型布谷鳥算法(Adaptive Discrete Cuckoo Search,ADCS)。在基于布谷鳥搜索算法(Cuckoo Search,CS)的搜索原理下構造TSP問題的路徑求解策略。針對離散型算法整體調整容易破壞已形成的較優(yōu)路徑和隨著算法迭代數(shù)目增加導致種群多樣性下降這兩個缺陷,設計了一種針對路徑的自適應型局部調整算子和全局隨機擾動策略,采用了簡單的2-opt優(yōu)化算子作為局部優(yōu)化算子以加快算法的收斂速度。最后采用多組不同規(guī)模的標準TSPLIB數(shù)據(jù)與其他的優(yōu)化算法進行對比實驗,結果表明ADCS算法在求解精度和穩(wěn)定性方面具有優(yōu)勢。
[Abstract]:For solving the problem of TSP, this paper proposes an adaptive discrete cuckoo algorithm (Adaptive Discrete Cuckoo Search, ADCS). In the search algorithm based on cuckoo (Cuckoo Search, CS) TSP problem solving strategy to construct path search principle. According to the discrete algorithm of the whole adjustment is easy to damage the already formed the optimum path and with the increase in the number of iterative algorithm leads to the diversity of the population decline of the two defects, design a path for the adaptive partial adjustment operator and global random perturbation strategy using 2-opt optimization operator simple as a local optimization operator to speed up the convergence speed of the algorithm. Finally, using multiple sets of different size of the standard TSPLIB data comparison experiment with other optimization algorithm, the results show that ADCS algorithm has advantages in accuracy and stability.

【作者單位】： 南京財經(jīng)大學信息工程學院;
【基金】：國家電子商務信息處理國際聯(lián)合研究中心項目(No.2013B01035)
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 廖曉明，，羅四維;遺傳算法用于TSP問題的研究[J];北方交通大學學報;1995年04期

2 張軍英,蘇健;一種求解TSP問題的新型人工神經(jīng)網(wǎng)絡方法[J];計算機仿真;2004年06期

3 杜宗宗;劉國棟;;基于混合遺傳模擬退火算法求解TSP問題[J];計算機工程與應用;2010年29期

4 干能強;杜宏明;;一種用于解決TSP問題的新的Hopfield網(wǎng)絡[J];重慶工學院學報(自然科學版);2008年03期

5 盧冰;王夢蘭;;一種改進螞蟻算法在TSP問題中的應用[J];科技創(chuàng)業(yè)月刊;2010年06期

6 夏國成;趙佳寶;;智能螞蟻算法求解多目標TSP問題的改進研究[J];計算機工程與應用;2006年09期

7 胡平;常曉宇;王康平;郭東偉;周春光;;求解不確定TSP問題的螞蟻算法[J];計算機工程與應用;2007年03期

8 饒衛(wèi)振;金淳;黃英藝;;求解TSP問題的最近鄰域與插入混合算法[J];系統(tǒng)工程理論與實踐;2011年08期

9 蔡之華,彭錦國,高偉,魏巍,康立山;一種改進的求解TSP問題的演化算法[J];計算機學報;2005年05期

10 藍曉玲;周永權;韋修喜;;求解TSP問題的社會演化算法[J];計算機工程與應用;2009年26期

相關碩士學位論文 前4條

1 鐘成皓;改進的混合遺傳模擬退火算法及其在TSP問題中的應用研究[D];吉林大學;2007年

2 廖興新;螞蟻算法在TSP問題中的應用與研究[D];四川大學;2006年

3 袁杰;基于蟻群遺傳混合智能算法求解TSP問題[D];長春工業(yè)大學;2014年

4 孫駿;基于蟻群優(yōu)化算法的TSP問題研究[D];武漢理工大學;2005年

本文編號：1672945