蚁群最优化——模型、算法及应用综述

被引：34

作者：

刘士新

宋健海

唐加福

机构：

[1] 东北大学信息科学与工程学院

[2] 上海宝信软件股份有限公司钢铁事业部

来源：

系统工程学报 | 2004年 / 05期

关键词：

人工生命; 蚁群系统; 群体智能; 元启发式算法; 组合优化; 综述;

D O I：

暂无

中图分类号：

F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

蚁群系统所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路,因此对蚁群系统行为及其自组织能力的研究已经引起了许多研究者的兴趣.蚁群最优化(antcolonyoptimization,ACO)是蚁群系统的一个重要研究领域,新模型、新方法、新应用不断出现.论文对ACO的仿生学机理进行了描述.综合ACO在不同种类的组合优化问题上的应用,建立了ACO的一般化模型.对ACO的典型实现过程和关键实现要素进行了分析,指出了不同ACO算法的本质区别.结合旅行商问题、二次指派问题以及网络路由问题等典型组合优化问题,概述了ACO在静态组合最优化和动态组合优化问题中的应用.最后讨论了ACO在建模、实现以及理论研究等方面的未来方向.

引用

页码：496 / 502

页数：7

共 7 条

[1] 一种自适应蚁群算法及其仿真研究
王颖
谢剑英
[J]. 系统仿真学报, 2002, (01) : 31 - 33
[2] 带杂交算子的蚁群算法
陈烨
[J]. 计算机工程, 2001, (12) : 74 - 76+176
[3] 一种基于蚁群算法的TSP问题分段求解算法
吴斌
史忠植
[J]. 计算机学报, 2001, (12) : 1328 - 1333
[4] 自适应蚁群算法
张纪会
高齐圣
徐心和
[J]. 控制理论与应用, 2000, (01) : 1 - 3+8
[5] 多目标旅行售货员问题的蚂蚁算法求解
马良
蒋馥
[J]. 系统工程理论方法应用, 1999, (04) : 23 - 27
[6] 具有变异特征的蚁群算法
吴庆洪
张纪会
徐心和
不详
[J]. 计算机研究与发展 , 1999, (10) : 1240 - 1245
[7] An improved ant system algorithm for the vehicle routing problem
Bullnheimer, B
Hartl, RF
Strauss, C
[J]. ANNALS OF OPERATIONS RESEARCH, 1999, 89 (0) : 319 - 328

← 1 →