改进的蚁群算法求解连续函数约束优化问题

被引:2
作者
王君 [1 ]
肖菁 [2 ]
张军 [2 ]
机构
[1] 中山大学软件学院
[2] 中山大学计算机科学系
关键词
蚁群优化算法; 连续函数; 约束; 非均匀; 随机搜索;
D O I
10.16208/j.issn1000-7024.2010.05.025
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
对基本蚁群算法框架进行了改进,采用轮盘赌选择代替了基本框架中通过启发式函数和信息素选择路径,同时对信息素的更新方式也做出调整,提出了一种新的蚁群算法,使得其更适合解决连续函数问题。将这种改进的蚁群算法应用于带有约束条件的连续函数问题中,在典型实例中进行仿真测试,实验结果表明,提出的改进蚁群算法可以很好地解决带有约束条件的连续函数问题,并能迅速找到最优解。
引用
收藏
页码:1027 / 1030
页数:4
相关论文
共 6 条
[1]   作业车间调度问题的改进混合遗传算法 [J].
孙宇明 .
数学理论与应用, 2007, (01) :75-77
[2]   一种求解连续空间优化问题的改进蚁群算法 [J].
段海滨 ;
马冠军 ;
王道波 ;
于秀芬 .
系统仿真学报, 2007, (05) :974-977
[3]   用于连续函数优化的蚁群算法 [J].
陈烨 .
四川大学学报(工程科学版), 2004, (06) :117-120
[4]  
车间调度及其遗传算法[M]. 清华大学出版社 , 王凌编著, 2003
[5]   Use of a self-adaptive penalty approach for engineering optimization problems [J].
Coello, CAC .
COMPUTERS IN INDUSTRY, 2000, 41 (02) :113-127
[6]  
ACO Algorithm for MKP Using Various Heuristic Information. S. Fidanova. 5th Int Conference of Numerical Methods and Applications . 2002