【摘要】：針對蟻群(ACO)算法收斂速度慢、容易陷入局部最優(yōu)的缺陷,提出了一種改進信息素二次更新局部優(yōu)化蟻群算法(IPDULACO)。該算法對蟻群搜索到的當前全局最優(yōu)解中路徑貢獻度大于給定的路徑貢獻閾值的子路徑信息素進行二次更新,以提高構(gòu)成潛在最優(yōu)解的子路徑被選擇的概率,從而加快算法的收斂。然后,在搜索過程中,當蟻群陷入局部最優(yōu)時,使用隨機插入法對局部最優(yōu)解中城市的排序進行調(diào)整,以增強算法跳出局部最優(yōu)解的能力。將改進算法應(yīng)用于若干經(jīng)典的旅行售貨商問題(TSP)進行仿真實驗,實驗結(jié)果表明,對于小規(guī)模的TSP,IPDULACO可以在較少的迭代次數(shù)內(nèi)獲得已知最優(yōu)解;對于較大規(guī)模的TSP,IPDULACO可以在較少的迭代次數(shù)內(nèi)獲得更精確的解。因此,IPDULACO具有更強的搜索全局最優(yōu)解的能力和更快的收斂速度,可以高效求解TSP。
[Abstract]:Aiming at the shortcomings of ant colony (ACO) algorithm, which is slow in convergence speed and easy to fall into local optimum, an improved pheromone quadratic update local optimization ant colony algorithm (IPDULACO). Is proposed. The algorithm renews the subpath pheromone whose path contribution degree is greater than the given path contribution threshold in the current global optimal solution searched by ant colony in order to improve the probability of subpath selection which constitutes the potential optimal solution. Thus speeding up the convergence of the algorithm. Then, in the search process, when the ant colony falls into the local optimum, the random insertion method is used to adjust the order of the cities in the local optimal solution to enhance the ability of the algorithm to jump out of the local optimal solution. The improved algorithm is applied to some classical (TSP) simulation experiments. The experimental results show that the known optimal solution can be obtained for small scale TSP,IPDULACO in less iterations. For a larger TSP,IPDULACO, a more accurate solution can be obtained in a smaller number of iterations. Therefore, IPDULACO has stronger ability to search global optimal solution and faster convergence speed, and can efficiently solve TSP..
【作者單位】： 江南大學理學院;
【基金】：國家自然科學基金資助項目(11371174) 中央高�；究蒲袠I(yè)務(wù)費專項資金資助項目(1142050205135260,JUSRP51317B)~~
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 田偉,田國會;信息素修改策略求解固定貨架動態(tài)揀選問題的研究[J];系統(tǒng)仿真學報;2005年08期

2 王雷;唐敦兵;袁偉東;;基于信息素的協(xié)調(diào)機制與任務(wù)分配研究[J];中國機械工程;2011年03期

3 柯良軍;馮祖仁;馮遠靜;;有限級信息素蟻群算法[J];自動化學報;2006年02期

4 劉佰龍;張汝波;史長亭;;基于信息素反應(yīng)的群體覓食行為研究[J];系統(tǒng)仿真學報;2009年01期

5 王翠茹;李陽;王思艷;;基于信息素理論的智能家電系統(tǒng)的研究[J];微計算機信息;2009年28期

6 覃剛力,楊家本;自適應(yīng)調(diào)整信息素的蟻群算法[J];信息與控制;2002年03期

7 程志剛;陳德釗;吳曉華;;基于信息素正態(tài)分布的連續(xù)蟻群優(yōu)化系統(tǒng)[J];系統(tǒng)工程與電子技術(shù);2006年03期

8 冀俊忠;劉椿年;黃振;;基于信息素擴散模型解耦控制策略的蟻群算法[J];智能系統(tǒng)學報;2007年04期

9 葉仕通;萬智萍;;一種基于改進全局信息素更新效率的蟻群算法及仿真[J];計算機應(yīng)用與軟件;2014年01期

10 許國根;徐昊;王幸運;;基于蟻群算法的聚類新算法[J];計算機與應(yīng)用化學;2012年05期

相關(guān)會議論文 前1條

1 周龍;霍婷婷;;蟻群算法的發(fā)展及應(yīng)用現(xiàn)狀[A];第三屆中國智能計算大會論文集[C];2009年

相關(guān)博士學位論文 前2條

1 左洪浩;蟻群優(yōu)化算法及其應(yīng)用研究[D];中國科學技術(shù)大學;2006年

2 楊劍峰;蟻群算法及其應(yīng)用研究[D];浙江大學;2007年

相關(guān)碩士學位論文 前10條

1 駱錫明;基于蟻群算法的電子商務(wù)購物路徑仿真研究[D];五邑大學;2015年

2 王建;基于復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)分析算法研究[D];大連海事大學;2015年

3 邱大洪;基于混沌的蟻群算法及其應(yīng)用研究[D];北京化工大學;2015年

4 賈會玲;初始信息素篩選的蟻群算法在HDFS副本選擇中的研究[D];昆明理工大學;2016年

5 趙鑫;蟻群算法在連續(xù)空間優(yōu)化中的研究與應(yīng)用[D];昆明理工大學;2016年

6 朱明良;基于感知信息素蟻群算法的電子商務(wù)消費者意圖識別[D];五邑大學;2016年

7 倪廣龍;電子導游系統(tǒng)路徑規(guī)劃的研究[D];哈爾濱理工大學;2016年

8 辛雅斐;蟻群算法中基于信息增益的信息素值的分析與改進[D];暨南大學;2008年

9 白磊;蟻群算法的改進及其應(yīng)用研究[D];安徽大學;2015年

10 苗培;蟻群優(yōu)化算法在云計算資源分配上的應(yīng)用[D];山東師范大學;2015年

，

本文編號：2278043