基于蚁群算法的改进遗传算法

被引:23
作者
翟梅梅
机构
[1] 安徽职业技术学院信息工程系
关键词
遗传算法; 蚁群算法; TSP; 变异算子;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
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,求解效率低。根据这一缺陷提出一种将蚁群算法融合到遗传算法的新策略:为了弥补遗传算法中的变异算子变异过程中的盲目无原则性,将蚁群算法的正反馈思想引入到遗传算法中。利用蚁群算法信息素更新原则指导变异规则,有效地提高了算法的寻优效率,优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例eil51和gr202以及安徽省17个城市的数据进行了仿真实验,结果表明改进后的算法是有效的。
引用
收藏
页码:58 / 63
页数:6
相关论文
共 6 条
[1]
遗传算法在蚁群算法中的融合研究 [J].
肖宏峰 ;
谭冠政 .
小型微型计算机系统, 2009, 30 (03) :512-517
[2]
遗传算法和蚁群算法融合求解TSP [J].
黄立君 ;
许永花 .
东北农业大学学报, 2008, (04) :109-113
[3]
遗传算法的研究与进展 [J].
陈根社 ;
陈新海 .
信息与控制, 1994, (04)
[4]
MAX – MIN Ant System.[J].Thomas Stützle;Holger H. Hoos.Future Generation Computer Systems.2000, 8
[5]
Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem..Dorigo M; Luca Maria Gamberdella;..1996,
[6]
蚁群算法综述.[A].任伟建;陈建玲;韩冬;王凤妤;.2007中国控制与决策学术年会.2007,