本文關(guān)鍵詞：自適應(yīng)蟻群優(yōu)化算法

  更多相關(guān)文章： 基本蟻群算法 方向引導(dǎo) 信息素 優(yōu)化 動(dòng)態(tài)自適應(yīng)因子

【摘要】：蟻群算法是一種模擬生物界中螞蟻尋找食物源行為的算法,具有仿生性以及較強(qiáng)的局部搜索能力,除此之外還易與其他仿生優(yōu)化算法相結(jié)合,有正反饋、魯棒性等特點(diǎn),這些特點(diǎn)在求解優(yōu)化問(wèn)題上體現(xiàn)出顯著優(yōu)勢(shì)。蟻群算法得到了普遍使用,如處理TSP問(wèn)題、交通運(yùn)輸、管道鋪設(shè)、廠區(qū)選取等實(shí)際應(yīng)用。但在許多實(shí)際問(wèn)題的應(yīng)用中,其問(wèn)題的復(fù)雜程度也往往較高,如果還采用基本蟻群算法解決問(wèn)題,那么算法陷入局部最優(yōu)以及出現(xiàn)停滯現(xiàn)象的幾率就會(huì)大大提高,隨之受影響的精度和收斂速度也無(wú)法保證。對(duì)于諸如此類棘手問(wèn)題,大量的學(xué)者和專家經(jīng)過(guò)不斷的努力和嘗試提出了眾多改進(jìn)的蟻群優(yōu)化算法,比如帶精英策略的蟻群算法、蟻群系統(tǒng)、最大最小的蟻群系統(tǒng)等等。盡管改進(jìn)后的蟻群算法使其在最優(yōu)解的求解精度上有了大幅度的提高,但仍然有些問(wèn)題需要解決,如搜索時(shí)間在初始時(shí)刻較長(zhǎng),全局更新規(guī)則中揮發(fā)因子不具有自適應(yīng)性。針對(duì)以上缺陷,本文對(duì)基本蟻群算法的初始化信息素分布和全局信息素?fù)]發(fā)因子分別做以下優(yōu)化:第一,信息素濃度在初始化時(shí)刻時(shí)進(jìn)行了與距離有關(guān)的濃度分配,也就說(shuō)在初始時(shí)刻時(shí)給予了方向引導(dǎo),這樣就會(huì)加快初始搜索速度,避免蟻群在初始階段盲目地隨機(jī)搜索浪費(fèi)較多的時(shí)間,進(jìn)而增加了優(yōu)質(zhì)解;第二,全局揮發(fā)因子在全局信息素更新過(guò)程中沒(méi)有自適應(yīng)性,此時(shí)加入雙曲正切函數(shù)作為其揮發(fā)動(dòng)態(tài)因子,目的是使其自適應(yīng)地平滑更新每次迭代較優(yōu)解路徑的信息素濃度,這樣加大了算法獲取全局最優(yōu)解的可能性。全局搜索能力連續(xù)提高,停滯現(xiàn)象在在一定范圍內(nèi)也得到了避免。經(jīng)仿真結(jié)果驗(yàn)證,優(yōu)化后的蟻群算法不但增強(qiáng)了算法獲得全局最優(yōu),而且收斂速度也得到了保證,還可以用于處理較為復(fù)雜的實(shí)際問(wèn)題。文中的兩個(gè)實(shí)例使用了優(yōu)化后的蟻群算法,優(yōu)化后的實(shí)驗(yàn)結(jié)果比較符合實(shí)際情況,即與實(shí)際誤差較小,這也進(jìn)一步驗(yàn)證了改進(jìn)后蟻群算法的實(shí)用性和高效性。
【關(guān)鍵詞】：基本蟻群算法 方向引導(dǎo) 信息素 優(yōu)化 動(dòng)態(tài)自適應(yīng)因子
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-13
• 1.1 問(wèn)題的背景及意義8-9
• 1.2 研究現(xiàn)狀以及應(yīng)用9-10
• 1.3 本文的主要研究?jī)?nèi)容10-11
• 1.4 本文的結(jié)構(gòu)安排11-13
• 2 相關(guān)背景知識(shí)13-30
• 2.1 蟻群算法的基本原理13-15
• 2.1.1 簡(jiǎn)介13
• 2.1.2 螞蟻覓食行為13-15
• 2.2 蟻群算法的模型15-18
• 2.2.1 禁忌列表（Tabu）15-16
• 2.2.2 能見(jiàn)度16
• 2.2.3 信息素16
• 2.2.4 概率轉(zhuǎn)移規(guī)則16-17
• 2.2.5 蟻群算法的模型17-18
• 2.3 蟻群算法的流程分析18-22
• 2.3.1 蟻群算法求解TSP問(wèn)題的流程19-20
• 2.3.2 最短路徑問(wèn)題與TSP問(wèn)題的區(qū)別20-21
• 2.3.3 蟻群算法求解最短路徑的流程21-22
• 2.3.4 蟻群算法求解最短路徑問(wèn)題和TSP問(wèn)題中的收斂性分析22
• 2.4 蟻群算法的重要參數(shù)分析22-29
• 2.4.1 信息啟發(fā)因子α對(duì)算法的性能影響25-26
• 2.4.2 期望啟發(fā)式因子β對(duì)算法的性能影響26-27
• 2.4.3 局部更新信息素?fù)]發(fā)因子ρ對(duì)算法的性能影響27-28
• 2.4.4 全局更新信息素?fù)]發(fā)因子σ對(duì)算法的性能影響28-29
• 2.5 小結(jié)29-30
• 3 自適應(yīng)蟻群優(yōu)化算法30-34
• 3.1 算法初始時(shí)刻濃度改進(jìn)30-31
• 3.2 全局更新規(guī)則的改進(jìn)31-32
• 3.3 算法步驟32-33
• 3.4 小結(jié)33-34
• 4 自適應(yīng)蟻群優(yōu)化算法求解最短路徑問(wèn)題34-37
• 4.1 算法對(duì)不同節(jié)點(diǎn)的比較結(jié)果34-35
• 4.2 算法運(yùn)行時(shí)間的比較結(jié)果35-36
• 4.3 小結(jié)36-37
• 5 自適應(yīng)蟻群優(yōu)化算法求解旅行線路的問(wèn)題37-41
• 5.1 旅行商問(wèn)題的數(shù)學(xué)模型37
• 5.2 旅行線路的優(yōu)化37-40
• 5.2.1 優(yōu)化路徑比較38-40
• 5.3 結(jié)論40-41
• 6 總結(jié)與展望41-43
• 6.1 總結(jié)41-42
• 6.2 展望42-43
• 致謝43-44
• 參考文獻(xiàn)44-47
• 附錄47
• A. 作者在攻讀學(xué)位時(shí)期發(fā)表的論文目錄47

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馮寶華;;蟻群優(yōu)化算法的原理及改進(jìn)[J];科技信息(科學(xué)教研);2007年31期

2 李凱;田雙亮;耿麗君;張喜;;基于免疫的蟻群優(yōu)化算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

3 王同喜;;蟻群優(yōu)化算法研究[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2009年03期

4 王罡;馮艷君;;基于蟻群優(yōu)化算法的旋轉(zhuǎn)貨架揀選路徑規(guī)劃[J];計(jì)算機(jī)工程;2010年03期

5 許昌;常會(huì)友;徐俊;衣楊;;一種新的融合分布估計(jì)的蟻群優(yōu)化算法[J];計(jì)算機(jī)科學(xué);2010年02期

6 曹國(guó)震;郭雷;;蟻群優(yōu)化算法應(yīng)用研究[J];電腦知識(shí)與技術(shù);2011年02期

7 李德啟;田素貞;;一種基于云環(huán)境下蟻群優(yōu)化算法的改進(jìn)研究[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

8 趙云濤;王勝勇;盧家斌;葉剛橋;蔣瑛;;蟻群優(yōu)化算法及其理論進(jìn)展[J];科技創(chuàng)新導(dǎo)報(bào);2012年10期

9 錢乾;程美英;熊偉清;周鳴爭(zhēng);;二元蟻群優(yōu)化算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

10 黃永青;郝國(guó)生;張俊嶺;王劍;;分層交互式蟻群優(yōu)化算法及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2012年29期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 趙冬斌;易建強(qiáng);;基于蟻群優(yōu)化算法的機(jī)器人規(guī)劃[A];第25屆中國(guó)控制會(huì)議論文集（中冊(cè)）[C];2006年

2 熊偉清;魏平;;基于食物量分配的多種群二元蟻群優(yōu)化算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)D卷[C];2011年

3 唐好選;曲毅;;蟻群優(yōu)化算法在蛋白質(zhì)構(gòu)象預(yù)測(cè)問(wèn)題中的應(yīng)用[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2007年學(xué)術(shù)交流年會(huì)論文集[C];2007年

4 西光旭;;蟻群優(yōu)化算法與應(yīng)用研究[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

5 王海寧;孫守遷;;基于優(yōu)化成熟度的自適應(yīng)蟻群優(yōu)化算法[A];2010年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集[C];2010年

6 吳國(guó)鳳;曾標(biāo);;蟻群算法系統(tǒng)的Java模擬與分析[A];IT服務(wù)促進(jìn)企業(yè)信息化——第十一屆中國(guó)Java技術(shù)及應(yīng)用交流大會(huì)文集[C];2008年

7 鄧科;叢爽;;不同蟻群優(yōu)化算法在C-TSP中的性能對(duì)比研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 冷煌;蟻群優(yōu)化算法的若干研究[D];吉林大學(xué);2016年

2 燕忠;基于蟻群優(yōu)化算法的若干問(wèn)題的研究[D];東南大學(xué);2005年

3 程志剛;連續(xù)蟻群優(yōu)化算法的研究及其化工應(yīng)用[D];浙江大學(xué);2005年

4 趙娟平;移動(dòng)機(jī)器人路徑規(guī)劃的蟻群優(yōu)化算法研究[D];東北大學(xué);2012年

5 劉彥鵬;蟻群優(yōu)化算法的理論研究及其應(yīng)用[D];浙江大學(xué);2007年

6 李莉;柔性作業(yè)車間調(diào)度中的群智能優(yōu)化算法研究[D];東北林業(yè)大學(xué);2011年

7 楊佳;混合量子優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2009年

8 呂勇;蟻群優(yōu)化算法及在網(wǎng)絡(luò)路由中的應(yīng)用研究[D];浙江大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張健;蟻群優(yōu)化算法及其在復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

2 劉樂(lè)柱;混沌蟻群優(yōu)化算法與H-R神經(jīng)元網(wǎng)絡(luò)動(dòng)力學(xué)研究[D];安徽師范大學(xué);2015年

3 景鵬杰;基于多目標(biāo)蟻群優(yōu)化算法的全基因組關(guān)聯(lián)分析研究[D];上海交通大學(xué);2015年

4 史大龍;基于蟻群優(yōu)化算法的視頻監(jiān)控智能檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];中國(guó)海洋大學(xué);2015年

5 王詔遠(yuǎn);基于蟻群優(yōu)化算法的網(wǎng)絡(luò)編碼資源優(yōu)化問(wèn)題研究[D];西南交通大學(xué);2016年

6 謝鵬飛;基于Spark平臺(tái)的混沌蟻群優(yōu)化算法研究與實(shí)現(xiàn)[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 李勇霞;自適應(yīng)蟻群優(yōu)化算法[D];重慶大學(xué);2016年

8 李金漢;蟻群優(yōu)化算法及其應(yīng)用研究[D];哈爾濱理工大學(xué);2008年

9 郝晉;蟻群優(yōu)化算法及其在電力系統(tǒng)短期發(fā)電計(jì)劃中的應(yīng)用研究[D];重慶大學(xué);2002年

10 李默;解決最大團(tuán)問(wèn)題的蟻群優(yōu)化算法的研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

，

本文編號(hào)：640006