求解TSP的改进混合蛙跳算法

被引：15

作者：

骆剑平

李霞

机构：

[1] 深圳大学信息工程学院

来源：

深圳大学学报(理工版) | 2010年 / 27卷 / 02期

关键词：

人工智能; 智能计算; 虫群智慧; 混合蛙跳算法; 极值动力学优化; 模拟退火;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frogleaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(power law extremal optim ization,τ-EO)融合于SFLA,并针对TSP对τ-EO过程进行设计和改进.改进后的τ-EO采用新颖的组元适应度计算方法,通过定义边置换增益能量,结合模拟退火控制过程,并采取幂律定律用概率的方式选取2-opt置换产生邻域解.为避免每个族群最优解的趋同性,提出最优样本差异控制策略.通过求解TSPLIB数据库中的实例,证明该改进算法有效.

引用

页码：173 / 179

页数：7

共 4 条

[1] 改进混合蛙跳算法求解旅行商问题 [J].

罗雪晖 ;

杨烨 ;

李霞 .

通信学报, 2009, 30 (07) :130-135

[2] A hybrid multi-objective shuffled frog-leaping algorithm for a mixed-model assembly line sequencing problem [J].

Rahimi-Vahed, Alireza ;

Mirzaei, Alil Hossein .

COMPUTERS & INDUSTRIAL ENGINEERING, 2007, 53 (04) :642-666

[3]

A self-organizing neural network using ideas from the immune system to solve the traveling salesman problem. Masutti TAS,Castro LN. Infor-mation Sciences . 2009

[4]

Traveling Salesman Problems Library. http://www.iwr.uni-heidelberg.de/groups/comopt/software/TSPLIB95 .

← 1 →