自适应动态邻域布谷鸟混合算法求解TSP问题

被引:5
作者
陈雷
张红梅
张向利
机构
[1] 桂林电子科技大学广西高校云计算与复杂系统重点实验室
关键词
布谷鸟算法; 旅行商问题; 禁忌搜索算法; 动态邻域;
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
针对离散布谷鸟算法求解旅行商问题时邻域搜索效率低和易陷入局部最优解等问题,提出了一种自适应动态邻域布谷鸟混合算法(Adaptive Dynamic Neighborhood Hybrid Cuckoo Search algorithm,ADNHCS)。为了提升邻域搜索效率,设计了一种圆限定突变的动态邻域结构来降低经典算法的随机性;此外,提出了可根据迭代过程进行自适应参数调整的策略,并结合禁忌搜索算法来提升全局寻优的能力。使用MATLAB和标准TSPLIB数据库中的若干经典算例对算法性能进行了实验仿真,结果表明与其他基于布谷鸟算法、经典和新型群智能优化算法相比,ADNHCS算法在全局寻优能力以及稳定性方面表现更优。
引用
收藏
页码:42 / 50
页数:9
相关论文
共 18 条
[1]   基于汉明距离的改进粒子群算法求解旅行商问题 [J].
乔屾 ;
吕志民 ;
张楠 .
计算机应用, 2017, 37 (10) :2767-2772
[2]   带Metropolis准则的混合离散布谷鸟算法求解旅行商问题 [J].
林敏 ;
刘必雄 ;
林晓宇 .
南京大学学报(自然科学), 2017, 53 (05) :972-983
[3]   求解旅行商问题的改进蚁群算法研究 [J].
张于贤 ;
丁修坤 ;
薛殿春 ;
王晓婷 .
计算机工程与科学, 2017, 39 (08) :1576-1580
[4]   四点三线遗传算法求解旅行商问题 [J].
郑明 ;
卓慕瑰 .
计算机工程与应用, 2017, 53 (14) :148-154
[5]   自适应步长布谷鸟搜索算法 [J].
李荣雨 ;
戴睿闻 .
计算机科学, 2017, 44 (05) :235-240
[6]   求解TSP的自适应优秀系数粒子群优化算法 [J].
程毕芸 ;
鲁海燕 ;
黄洋 ;
许凯波 .
计算机应用, 2017, 37 (03) :750-754+781
[7]   旅行商问题的混沌混合离散蝙蝠算法 [J].
戚远航 ;
蔡延光 ;
蔡颢 ;
汤雅连 ;
吕文祥 .
电子学报, 2016, 44 (10) :2543-2547
[8]   求解多旅行商问题的改进分组遗传算法 [J].
王勇臻 ;
陈燕 ;
于莹莹 .
电子与信息学报, 2017, 39 (01) :198-205
[9]   混合模拟退火的布谷鸟算法研究 [J].
马灿 ;
刘坚 ;
余方平 .
小型微型计算机系统, 2016, 37 (09) :2029-2034
[10]   求解旅行商问题的改进粒子群算法 [J].
易云飞 ;
林晓东 ;
蔡永乐 .
计算机工程与设计, 2016, 37 (08) :2195-2199+2223