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.     

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.     

基于改进蚁群算法的TSP问题解决

TSP（旅行商问题）是一个学术界广泛研究的问题,长期以来吸引了众多学者对其进行研究。在蚁群算法（ACA）的研究中,TSP同样起着重要的作用。首先对TSP问题和基本蚁群算法进行了介绍,然后改进了蚁群算法的状态转移概率公式和信息素更新策略,并且应用该改进蚁群算法对TSPLIB中的两个典型问题进行仿真,实验结果比较理想。     

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。     

蚁群算法在TSP问题中的应用及其优化研究

蚁群算法是一种新型的模拟进化算法。分析了蚁群算法的基本模型和算法在TSP问题中的实现方式,针对其缺陷对基本的蚁群算法进行了一定的改进。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

改进蚁群算法在QoS组播路由中的应用研究

基本蚁群算法直接应用在QoS组播路由时,容易产生局部最优路径,并且收敛速度较慢,本文对基本蚁群算法的状态转移规则和信息素的更新方式进行改进,并把改进的蚁群算法应用到QoS组播路由中,提出了基于改进蚁群算法的QoS组播路由方案,仿真实验表明,改进后蚁群算法的性能明显优于基本蚁群算法。     

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.     

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。     

基于蚁群算法的庐山最短旅游路径优化

缩短游线可抽象为旅行商问题。本文依照基本蚁群算法求解旅行商问题,再通过研究最大最小蚁群算法分析证明通过改进蚂蚁的路径选择机制和信息素更新机制,可有效提升算法性能。最后,本文将这种改进的蚁群算法应用到庐山TSP问题的求解中,得到一条经过庐山各景点一遍且仅一遍的最短旅游路线,希望能够为庐山旅游活动规划提供决策支持。