遗传算法与蚁群算法的融合研究

被引：24

作者：

赵义武 ^{[1
]}

牛庆银 ^{[1
]}

王宪成 ^{[2
]}

机构：

[1] 装甲兵工程学院基础部数学室

[2] 装甲兵工程学院机械系

来源：

科学技术与工程 | 2010年 / 10卷 / 16期

关键词：

遗传算法; 蚁群算法; 融合; 优化;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率不高。而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢。通过将两种算法进行融合,克服两种算法各自的缺陷,优势互补,形成一种时间效率和求解效率都比较好的启发式算法。并通过仿真计算,表明融合算法的性能优于遗传算法和蚁群算法。

引用

页码：4017 / 4020

页数：4

共 8 条

[1] Ant colonies for the travelling salesman problem [J].