学海网

改进的蚁群算法及其在TSP中的应用研究

摘要：提出一种改进的蚁群算法，其核心是应用遗传算法对蚁群算法的4个控制参数( ，，、)进行优化，以及运用MMAS(max—min ant system)进行寻径，新算法具有全局搜索能力强的特点。对旅行商问题(TSP)的仿真实验结果表明：新算法的优化质量和效率都优于传统蚁群算法和遗传算法。
　　 关键词：蚁群算法：遗传算法；旅行商问题
　　 1 引言
　　 近年来，启发式智能优化方法愈来愈引起人们的关注。如：模拟退火、遗传算法、蚁群算法等，它们是解决NP问题的有效工具。蚁群算法(ACA，ant colony algorithm) ’ 是意大利学者Marco Dorigo等提出的一种仿生寻优算法。参加寻径的蚂蚁通过留在链路上的信息素交互来选择新的路由，从而达到寻优的目的。其主要特点是：本身是一个增强型学习系统，具有分布式的计算特性，具有很强顽健性，易于与其它优化算法融合。但是蚁群算法在解决大型优化问题时，存在搜索空间和时间性能上的矛盾，易出现过早收敛于非全局最优解以及计算时间过长的弱点；而且决定蚁群算法性能的4个控制参数( P、qo)的取值缺乏理论支持，影响了算法的性能。
　　 ......
　　 想了解全部内容，请下载附件查看