一种动态划分的混合连续域蚁群优化算法

被引:9
作者
姜道银 [1 ,2 ]
葛洪伟 [1 ,2 ]
袁罗 [1 ]
机构
[1] 不详
[2] 江南大学物联网工程学院
[3] 不详
[4] 轻工过程先进控制教育部重点实验室(江南大学)
[5] 不详
关键词
蚁群优化算法; 动态划分; 全局搜索; 随机搜索; 预处理;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
连续域蚁群优化算法在处理高维问题时易陷入局部最优,而且收敛速度较慢。针对这些问题,提出了一种改进的连续域蚁群优化算法。该算法将解划分为优解和劣解两部分,并在迭代过程中动态调整优解和劣解的数目。对于优解,利用全局搜索策略进行预处理,这样能提高算法的收敛速度和收敛精度。对于劣解,则利用随机搜索策略进行预处理,这样能扩大搜索范围,增强搜索能力。通过标准测试函数对所提算法进行测试,结果表明改进策略能够有效提高连续域蚁群优化算法的收敛速度并改善解的质量。
引用
收藏
页码:144 / 151
页数:8
相关论文
共 7 条
  • [1] 一种基于优质边求解TSP的蚁群算法
    胡银厚
    王世卿
    [J]. 计算机工程与应用, 2013, 49 (10) : 32 - 34+187
  • [2] 基于改进蚁群算法的柔性作业车间调度问题的求解方法
    王万良
    赵澄
    熊婧
    徐新黎
    [J]. 系统仿真学报, 2008, (16) : 4326 - 4329
  • [3] Orthogonal Methods Based Ant Colony Search for Solving Continuous Optimization Problems
    胡晓敏
    张军
    李耘
    [J]. JournalofComputerScience&Technology, 2008, 23 (01) : 2 - 18
  • [4] Teaching-learning-based optimization with variable-population scheme and its application for ANN and global optimization[J] . Debao Chen,Renquan Lu,Feng Zou,Suwen Li.Neurocomputing . 2015
  • [5] A hybrid ant colony optimization for continuous domains
    Xiao, Jing
    Li, LiangPing
    [J]. EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (09) : 11072 - 11077
  • [6] Teaching–learning-based optimization: A novel method for constrained mechanical design optimization problems[J] . R.V. Rao,V.J. Savsani,D.P. Vakharia.Computer-Aided Design . 2011 (3)
  • [7] Ant colony optimization for continuous domains[J] . Krzysztof Socha,Marco Dorigo.European Journal of Operational Research . 2006 (3)