改进的蚁群与粒子群混合算法求解旅行商问题

被引：31

作者：

汪冲 ^{[1
,2
]}

李俊 ^{[1
,2
]}

李波 ^{[1
,2
]}

张粤 ^{[1
,2
]}

机构：

[1] 武汉科技大学计算机科学与技术学院

[2] 智能信息处理与实时工业系统湖北省重点实验室

来源：

计算机仿真 | 2016年 / 33卷 / 11期

关键词：

蚁群算法; 粒子群算法; 旅行商问题; 信息素; 全局最优;

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：

针对蚁群算法在求解旅行商问题时易陷入局部最优,且寻优速度慢的问题,提出改进的蚁群与粒子群混合算法用于求解旅行商问题。在初始阶段,改进算法采用贪婪算法初始化粒子,生成信息素分布。在迭代运行过程中,采用改进蚁群算法的信息素更新方式,增加信息素调节算子。同时,采取与全局最优粒子自适应交叉变异策略,根据粒子适应度值的变化采取对粒子位置的更新。通过对TSPLIB标准库中5个实例进行仿真测试,结果表明,改进的算法能有效避免陷入局部最优,具有较快的收敛速度和较高收敛精度。为求解旅行商问题提供一种有效的方法。

引用

页码：274 / 279

页数：6

共 13 条

[1]

Solving Air Transport Contingencies by Using Genetic Algorithms – RUCCMAN.[J].José Manuel Rísquez Fernández;Mario Redondo Sánchez;José Julián Gómez Lorenzo;Santiago Timón Reina.Transportation Research Procedia.2014,

[2]

An ant colony algorithm for the multi-compartment vehicle routing problem.[J].Martin Reed;Aliki Yiannakou;Roxanne Evering.Applied Soft Computing Journal.2014,

[3]

A unified ant colony optimization algorithm for continuous optimization [J].

Liao, Tianjun ;

Stuetzle, Thomas ;

de Oca, Marco A. Montes ;

Dorigo, Marco .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 2014, 234 (03) :597-609

[4]

Traveling salesman problem heuristics: Leading methods; implementations and latest advances.[J].César Rego;Dorabela Gamboa;Fred Glover;Colin Osterman.European Journal of Operational Research.2010, 3

[5]

文化基因算法求解TSP问题的研究 [J].