蟻群優(yōu)化（Ant colony optimization,簡稱ACO）算法是根據(jù)螞蟻尋找食物時發(fā)現(xiàn)路徑的行為提出的,該算法具有并行式、正反饋、自組織等許多優(yōu)良的性質(zhì)。最初ACO算法用于求解旅行售貨商問題（Traveling Salesman Problem,簡稱TSP）,隨后又被用于求解路徑規(guī)劃、數(shù)據(jù)挖掘等問題。TSP是找一個無向帶權(quán)完全圖里權(quán)值最小的一條Hamilton回路;路徑規(guī)劃是機器人研究領(lǐng)域的重要內(nèi)容之一,其目的是在有障礙物的環(huán)境中為機器人尋找一條滿足特定指標(biāo)最優(yōu)的路徑。應(yīng)用ACO算法求解這兩個問題時,都存在收斂慢、容易陷入局部最優(yōu)等缺陷。為此,本文提出改進(jìn)的ACO算法來求解這兩個問題,主要工作概括如下:（1）針對蟻群（ACO）算法收斂速度慢、容易陷入局部最優(yōu)等缺陷,提出了一種改進(jìn)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(dāng)前全局最優(yōu)解中路徑貢獻(xiàn)度大于給定的路徑貢獻(xiàn)閾值的子路徑信息素進(jìn)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速度。其次,在搜索過程中,當(dāng)算法陷入局部最優(yōu)時,使用隨機插入法對局部最優(yōu)解中城市的排序進(jìn)行調(diào)... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

一acs原瑰

在用 ACO 算法求解優(yōu)化問題時，每只螞蟻的覓食路徑就表示相應(yīng)優(yōu)化問題的一個解，所有螞蟻的覓食路徑構(gòu)成優(yōu)化問題的解空間，其中最優(yōu)的路徑就是優(yōu)化問題的最優(yōu)解。2.1.3 算法流程ACO 算法求解優(yōu)化問題的基本流程如圖 2-2 所示：

ACO算法求解二維路徑規(guī)劃問題流程圖

【參考文獻(xiàn)】：
期刊論文
[1]新型蟻群算法在TSP問題中的應(yīng)用[J]. 張弛,涂立,王加陽.  中南大學(xué)學(xué)報(自然科學(xué)版). 2015(08)
[2]基于勢場蟻群算法的移動機器人全局路徑規(guī)劃方法[J]. 劉建華,楊建國,劉華平,耿鵬,高蒙.  農(nóng)業(yè)機械學(xué)報. 2015(09)
[3]動態(tài)環(huán)境下基于改進(jìn)蟻群算法的機器人路徑規(guī)劃研究[J]. 屈鴻,黃利偉,柯星.  電子科技大學(xué)學(xué)報. 2015(02)
[4]一種面向?qū)ο蟮亩嘟巧伻核惴捌銽SP問題求解[J]. 杜鵬楨,唐振民,孫研.  控制與決策. 2014(10)
[5]改進(jìn)的遺傳算法求解旅行商問題[J]. 于瑩瑩,陳燕,李桃迎.  控制與決策. 2014(08)
[6]基于改進(jìn)蟻群算法的移動機器人路徑規(guī)劃[J]. 張琦,馬家辰,謝瑋,馬立勇.  東北大學(xué)學(xué)報(自然科學(xué)版). 2013(11)
[7]一種基于粒子群參數(shù)優(yōu)化的改進(jìn)蟻群算法[J]. 李擎,張超,陳鵬,尹怡欣.  控制與決策. 2013(06)
[8]考慮邊位置信息的求解ETSP問題改進(jìn)貪婪算法[J]. 饒衛(wèi)振,金淳,陸林濤.  計算機學(xué)報. 2013(04)
[9]基于自然選擇策略的蟻群算法求解TSP問題[J]. 吳華鋒,陳信強,毛奇凰,張倩楠,張壽春.  通信學(xué)報. 2013(04)
[10]動態(tài)環(huán)境下移動機器人路徑規(guī)劃的改進(jìn)蟻群算法[J]. 王哲,孫樹棟,曹飛祥.  機械科學(xué)與技術(shù). 2013(01)

博士論文
[1]基于粒子群優(yōu)化算法的水下潛器實時路徑規(guī)劃技術(shù)研究[D]. 祖?zhèn)?哈爾濱工程大學(xué) 2008

碩士論文
[1]基于改進(jìn)蟻群算法的移動機器人路徑規(guī)劃[D]. 劉亮.武漢科技大學(xué) 2007



本文編號：2953649