基于云模型的小生境MAX-MIN相遇蚁群算法

被引：13

作者：

段海滨 ^{[1
]}

王道波 ^{[2
]}

于秀芬 ^{[3
]}

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

[2] 南京航空航天大学自动化学院

[3] 中国科学院空间科学与应用研究中心

来源：

吉林大学学报(工学版) | 2006年 / 05期

关键词：

人工智能; 蚁群算法; 信息素; 云模型; 定性关联规则; 小生境;

D O I：

10.13229/j.cnki.jdxbgxb2006.05.035

中图分类号：

TP18 [人工智能理论]; TP301.6 [算法理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081202 ;

摘要：

针对基本蚁群算法在解决大规模优化问题时易限于局部最优解、收敛速度慢的突出缺陷,本文在阐述基本蚁群算法和云模型理论的基础上,提出了一种利用云模型定性关联规则来有效限制基本蚁群算法陷入局部最优解的方法;随后借助最优解保留、相遇搜索和信息素自适应控制策略以及自然界的小生境思想对基本蚁群算法进行了系列改进,以提高改进后蚁群算法的全局收敛性能。同时,为了避免蚁群在搜索过程中易出现停滞现象,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间。仿真实验结果验证了本文所提改进蚁群算法的可行性和有效性。

引用

页码：803 / 808

页数：6

共 7 条

[1] 基于云模型理论的蚁群算法改进研究 [J].