基于改进粒子群优化算法的TSP问题研究

被引：3

作者：

叶安新

机构：

[1] 浙江师范大学信息科学与工程学院

来源：

计算机与现代化 | 2011年 / 04期

关键词：

粒子群优化算法; 旅行商问题; 惯性权重; 早熟收敛;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对标准粒子群优化算法易出现问题,提出一种改进粒子群算法。该算法为不同的粒子分配不同的任务,对性能较好的粒子使用较小的惯性权重,对性能较差的粒子采用较大的惯性权重,惯性权重根据适应度函数自适应调整,更好地平衡算法的全局与局部搜索能力,提高算法的多样性与搜索效率。用14点TSP标准数据对算法性能进行测试,结果表明该算法能够较早跳出局部最优,具有较高的收敛速度和收敛率。

引用

收藏

页码：1 / 3

页数：3

相关论文

共 10 条

[1] 改进粒子群优化算法求解TSP问题 [J].

苏晋荣 ;

王建珍 .

计算机工程与应用 , 2010, (04) :52-53+75

[2] 改进的粒子群算法在旅行商问题中的应用 [J].

曹平 ;

陈盼 ;

刘世华 .

计算机工程, 2008, (11) :217-218+221

[3] 基于k-中心点法的改进粒子群算法在旅行商问题中的应用 [J].

张旭梅 ;

邱晗光 .

计算机集成制造系统, 2007, (01) :99-104

[4] 求解旅行商问题的自学习粒子群优化算法 [J].

蔡荣英 ;

李丽珊 ;

林晓宇 ;

钟一文 .

计算机工程与设计, 2007, (02) :261-263+266

[5] 基于遗传算法求解TSP问题的一种算法 [J].

敖友云 ;

迟洪钦 .

计算机与数字工程, 2006, (04) :52-55

[6] 智能优化算法求解TSP问题 [J].

高海昌 ;

冯博琴 ;

朱利b .

控制与决策, 2006, (03) :241-247+252

[7] 改进粒子群优化算法求解旅行商问题 [J].

王翠茹 ;

张江维 ;

王玥 ;

衡军山 .

华北电力大学学报, 2005, (06) :47-51+59

[8] 改进微粒群优化算法求解旅行商问题 [J].

肖健梅 ;

李军军 ;

王锡淮 .

计算机工程与应用, 2004, (35) :50-52

[9] 粒子群优化算法求解旅行商问题 [J].

黄岚 ;

王康平 ;

周春光 ;

庞巍 ;

董龙江 ;

彭利 .

吉林大学学报(理学版), 2003, (04) :477-480

[10] 基于种群过早收敛程度定量分析的改进自适应遗传算法 [J].

吴浩扬 ;

朱长纯 ;

常炳国 ;

刘君华 .

西安交通大学学报, 1999, (11) :29-32+72