求解TSP问题的蚁群算法改进探讨

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法.基于群体的协作与学习,该算法已经成功地解决诸如TSP问题等多种组合优化问题.本文提出了一种改进蚁群算法.该算法根据人工蚂蚁所获得解的情况,应用一种选择策略,从而使得算法跳离局部最优解,并采用局部搜索,以获得更好的优化解.通过仿真实验获得的结果表明,该算法对于蚁群算法具有较好的改进效果.     

蚁群算法及其在组合优化问题中的应用

介绍了一种求解复杂组合优化问题的新型的模拟进化算法——蚁群算法。阐述了该算法的基本原理、模型以及实现过程,并且介绍了蚁群算法在TSP问题、二次分配问题、车间作业调度问题、大规模集成电路综合布线以及车辆路径问题等组合优化问题中的应用思路。     

一种改进的自适应蚁群算法求解TSP问题

针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商（TSP）问题的改进的自适应蚁群算法。     

基于自适应蚁群算法的最短路径搜索方法研究

最短路径问题是指在一个赋权图的两个节点之间找出一条边权和最小的路径,是图论中的一个经典问题,该问题和TSP等经典的组合优化问题具有很大的相似性,也属于组合优化问题.蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路.本文应用蚁群算法求解最短路径问题,对选择策略、信息素挥发系数进行白适应地调整,避免算法出现早熟和停滞现象,并能较快地收敛到全局最优解.实验结果表明,该方法能有效解决最短路径搜索问题.     

基于直接通信策略的双态蚁群算法

针对蚁群算法容易陷入局部最优解的缺陷,提出了一种基于直接通信策略的双态蚁群算法。通过两种状态的蚁群的分工合作,避免了算法收敛过程中的早熟停滞现象;通过设置信息素交流机制,使蚂蚁能在各自的交流范围内与其他蚂蚁交换解的信息,提高解的质量。针对TSP的实验结果表明,该算法在求解精度和稳定性上取得了良好的效果。     

蚁群算法在LQ最优控制逆问题中的应用

蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质．研究了一种可用于求解连续空间优化问题的蚁群算法策略，针对SISO离散时不变控制系统，在给出了加权矩阵Q与状态反馈阵K的取值范围确定方法的基础上，应用连续性空间优化问题的蚁群算法模型求解了离散LQ逆问题。仿真结果表明蚁群算法在求解控制优化问题中的有效性。     

TSP问题的蚁群算法模型及仿真研究

蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力.     

一种优化的蚁群算法

蚁群算法是一种新型的启发式算法,它具有许多优良性质,被广泛用于求解组合优化问题,但基本蚁群算法也存在诸多不足。为使蚊群算法对应TSP问题的解更加优良,提出了一种改进的蚁群算法并对它进行了试验,结果表明改进算法是有效的,这也为蚁群算法的优化提供了一个新的途径。     

基于蚁群和粒子群优化的混合算法求解TSP问题

提出了一种基于蚁群和柱子群优化的混合算法用来求解TSP问题。利用柱子群优化对基本蚁群算法中启发式因子α及β进行改造和随机搜索,从而得到两个参数的最佳组合值,实现TSP问题的求解。模拟实验结果得到了最优路径的解,达到了预期的效果,具有很好的推广应用价值。     

一种改进的蚁群算法及其在复杂TSP问题上的应用

以简单TSP问题为例描述了传统蚁群算法过程,提出了其存在的问题及解决该问题的方法.提出了复杂TSP问题的定义,结合改进后的蚁群算法提出了解决复杂TSP问题的方法.通过实验表明,改进后的蚁群算法能够用于解决复杂TSP问题.     

禁忌搜索算法及其在TSP问题中的应用研究

TSP问题是一类典型的NP完全问题,禁忌搜索算法是解决此类问题的智能优化方法之一。文章在研究了禁忌搜索算法的基本原理和算法步骤的基础上,建立了求解TSP问题的数学模型,设计了一个求解TSP问题的禁忌搜索算法程序,并进行了实验测试,实验结果表明,禁忌搜索算法能够有效地解决TSP问题。     

改进的TSP算法求解供应链一对多配送问题

TSP问题即旅游最优路线问题,是数学领域中著名问题之一.如今,把TSP用于解决物流行业中运输线路优化已成为一种新的趋向.针对TSP问题没有一种简便、统一的求解方法,提出了改进的TSP算法,即把问题转化为求解最小树和图中悬挂点的匹配问题,从而大大缩小了TSP问题解的搜索空间,降低了求解难度,得到一种改进的求解方法,解决了供应链一对多配送问题.     

基于蚁群算法的R&D支出拟合模型研究

在对已有文献进行整理和分析的基础上,指出单一拟合方法中存在的不足,构建基于组合思想的R&D支出拟合模型,运用蚁群算法求解组合模型中的权重。借鉴已有文献中应用各种单一拟合方法计算得到的数据进行实证研究,实证结论表明:基于蚁群算法的组合模型能够更加准确地拟合出科学研究与实验开发的支出数值。一方面,验证了蚁群算法在该领域运用的科学性与合理性,为相关部门提供了决策依据;另一方面,为蚁群算法在相关领域的进一步发展奠定了基础。     

混合蛙跳算法在TSP中的研究

对混合蛙跳算法优化机制的进行分析,设计了一种求解TSP问题的混合蛙跳算法。针对混合蛙跳算法容易早熟的缺陷,算法首先根据种群的适应度确定初始蛙群的位置,其次设计了模因组选择青蛙的概率公式,并对模因组中最差的青蛙个体进行更新,最后,对参数的设置做了分析。针对TSP的实验结果表明,该算法在求解精度上取得了良好的效果。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

基于改进的蚁群算法求解物流订单派送问题

物流定单派送问题是现代物流配送服务的关键环节之一,需要设计一个快速有效的求解算法。为此,构建了物流定单派送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流定单派送问题的有效算法。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题(TSP)中.本文将两种算法进行融合,并给出了新的融合方式.实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度.     

梯级水库发电优化调度的改进细菌觅食算法研究

细菌觅食算法在求解水库优化调度问题时,以固定的步长进行趋向操作,同时以固定概率对细菌个体进行随机驱散操作,虽然可以一定程度上增加种群多样性,但是在进化后期容易使优秀的个体流失,影响算法的寻优质量。针对该问题,文章提出步长自适应调整和驱散概率自适应调整两项改进策略,根据算法进化程度和细菌个体的能量值动态调整趋向操作的步长和驱散操作的概率,使算法进化过程中尽量保证种群多样性的基础上,提高细菌个体的觅食能力,进一步促进算法达到局部搜索和全局优化之间的平衡。将改进的细菌觅食算法应用于乌江梯级水库群的联合优化调度问题,模拟结果表明:改进细菌觅食算法具有较强的全局寻优能力,适合求解梯级水库联合优化调度问题。