求解旅行商问题的改进粒子群算法

被引：11

作者：

易云飞 ^{[1
,2
,3
]}

林晓东 ^{[2
]}

蔡永乐 ^{[1
]}

机构：

[1] 武汉大学计算机学院

[2] 河池学院计算机与信息工程学院

[3] 河池学院广西高校系统控制与信息处理重点实验室

来源：

计算机工程与设计 | 2016年 / 37卷 / 08期

关键词：

漂移率; 波动率; 粒子群算法; 学习因子; 旅行商问题;

D O I：

10.16208/j.issn1000-7024.2016.08.040

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对粒子群算法求解旅行商问题时存在易陷入局部最优及收敛速度慢等缺陷,提出一种改进粒子群算法。将伊藤算法中的漂移和波动算子运用于粒子群算法中的学习因子,将牛顿力学中的加速度因子映射粒子群算法的惯性权重。用改进后的粒子群算法求解TSP标准测试库中的多个类型和不同规模的问题,与传统算法进行对比,对比结果表明,该算法是可行有效的。

引用

页码：2195 / 2199+2223 +2223

页数：6

共 12 条

[1]

ITO-based evolutionary algorithm to solve traveling salesman problem[J] . Wenyong Dong,Kang Sheng,Chuanhua Yang,Yunfei Yi. &nbspJournal of Physics: Conference Series . 2014 (1)

[2] 求解带软时间窗车辆路径问题的改进伊藤算法及其收敛性分析 [J].

易云飞 ;

董文永 ;

林晓东 ;

蔡永乐 .

电子学报, 2015, 43 (04) :658-664

[3]

A hybrid particle swarm optimization with cooperative method for multi-object tracking. Z Zheng,Hock Soon S,Jixiang S. Congress on Evolutionary Computation(CEC′2012) . 2012

[4] Ant colony optimization with immigrants schemes for the dynamic travelling salesman problem with traffic factors [J].

Mavrovouniotis, Michalis ;

Yang, Shengxiang .

APPLIED SOFT COMPUTING, 2013, 13 (10) :4023-4037

[5] 求解旅行商问题的改进果蝇算法 [J].

王克甫 ;

薛鹏 ;

黄全振 ;

李恒宇 .

计算机工程与设计, 2014, 35 (08) :2789-2792+2821

[6] 求解多目标TSP的降幂编码遗传算法 [J].

汪勇 ;

徐琼 ;

王艳红 ;

张百栈 .

计算机工程与设计, 2014, 35 (06) :1988-1993+2003

[7] 求解TSP问题的遗传算法改进研究 [J].

刘世清 ;

杨孔雨 .

北京信息科技大学学报(自然科学版), 2014, 29 (02) :46-50

[8] 改进蜂群算法的旅行商问题仿真 [J].

苏晓勤 ;

孙鹤旭 ;

潘旭华 .

计算机工程与设计, 2013, 34 (04) :1420-1424

[9]

An Efficient Resource Allocation Scheme Using Particle Swarm Optimization. Yue-Jiao Gong,Jun Zhang,Henry Shu-Hung Chung. IEEE Transactions on Evolutionary Computation . 2012

[10] 考虑边位置信息的求解ETSP问题改进贪婪算法 [J].

饶卫振 ;

金淳 ;

陆林涛 .

计算机学报, 2013, 36 (04) :836-850

← 1 2 →