全局自适应蚁群优化算法

被引：8

作者：

王健

刘衍珩

朱建启

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

来源：

小型微型计算机系统 | 2008年 / 06期

关键词：

全局自适应; 蚁群算法; 状态转移; 信息素;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

为解决蚁群算法存在的收敛速度慢和容易陷入局部最优等缺点,分析了其产生的主要原因,介绍了AS和MMAS算法的工作原理,并基于参数自适应思想,提出了全局自适应蚁群优化算法(GAO).对状态转移和信息素更新等规则做出改进,详尽给出了GAO的编程步骤.针对TSP问题,通过与AS和MMAS算法的数值实验结果比较分析,表明GAO算法具有优良的全局优化能力和适当的收敛时间.

引用

页码：1083 / 1087

页数：5

共 5 条

[1] 有限级信息素蚁群算法 [J].

柯良军 ;

冯祖仁 ;

冯远静 .

自动化学报, 2006, (02) :296-303

[2] 一种基于蚁群算法的TSP问题分段求解算法 [J].

吴斌 ;

史忠植 .

计算机学报, 2001, (12) :1328-1333

[3]

蚁群算法原理及其应用[M]. 科学出版社 , 段海滨, 2005

[4]

MAX – MIN Ant System[J] . Thomas Stützle,Holger H. Hoos.Future Generation Computer Systems . 2000 (8)

[5]

Ant colony algorithms:theory and applications. Duan Hai-bin. Science Press . 2005

← 1 →