加速度粒子群算法在多旅行商问题中的应用

被引：3

作者：

强宁

康凤举

机构：

[1] 西北工业大学航海学院

来源：

陕西师范大学学报(自然科学版) | 2015年 / 06期

关键词：

多旅行商问题; 粒子群算法; 学习策略; 编解码方法;

D O I：

10.15983/j.cnki.jsnu.2015.06.263

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

标准粒子群算法(PSO)在求解多旅行商问题(MTSP)时易发生早熟收敛,为此提出一种新的加速度粒子群算法。借鉴力学思想将粒子的运动描述为受力以后在解空间中的搜索运动,粒子受个体最优、全局最优的牵引力,并受局部最优的排斥力,加速度由粒子所受的合力决定。通过审敛操作判断早熟收敛,当发生早熟时局部最优对所有粒子产生的排斥力使种群跳出局部最优继续搜索。为进一步提高算法效率,针对MTSP问题的特点设计了基于维度的粒子学习策略和编解码方法。仿真结果表明,该算法能够有效克服早熟收敛,从而提高解的收敛性和稳定性,为MTSP问题提供了一种可行的方法。

引用

页码：36 / 42

页数：7

共 11 条

[1] 应用粒子群优化算法设计锥形孔微穿孔板结构 [J].

王静云 ;

常安定 ;

徐春龙 ;

周秀秀 ;

王久杰 .

陕西师范大学学报(自然科学版), 2014, (02) :37-41

[2] 多车场多车型最快完成车辆路径问题的变异蚁群算法 [J].

马建华 ;

房勇 ;

袁杰 .

系统工程理论与实践, 2011, 31 (08) :1508-1516

[3] 均匀搜索粒子群算法 [J].

吴晓军 ;

杨战中 ;

赵明 .

电子学报, 2011, 39 (06) :1261-1266

[4] 求解车间调度问题的自适应混合粒子群算法 [J].

张长胜 ;

孙吉贵 ;

欧阳丹彤 ;

张永刚 .

计算机学报, 2009, 32 (11) :2137-2146

[5] 均分点蚁群算法在群集机器人任务规划中的应用与研究 [J].

余伶俐 ;

蔡自兴 ;

刘晓莹 ;

高平安 .

高技术通讯, 2009, 19 (10) :1054-1060

[6] Hybrid discrete particle swarm optimization algorithm for capacitated vehicle routing problem [J].

CHEN Ailing YANG Genke WU Zhiming Department of Automation Shanghai Jiao Tong University Shanghai China .

Journal of Zhejiang University Science A(Science in Engineering), 2006, (04) :607-614

[7]

基于加速度粒子群算法的微控制器电磁抗扰度建模研究[D]. 陈彦宇.华北电力大学. 2013

[8] Particle Swarm Optimization for the Vehicle Routing Problem with Stochastic Demands [J].

Marinakis, Yannis ;

Iordanidou, Georgia-Roumbini ;

Marinaki, Magdalene .

APPLIED SOFT COMPUTING, 2013, 13 (04) :1693-1704

[9]

Integer linear programming formulations of multiple salesman problems and its variations[J] . Imdat Kara,Tolga Bektas. European Journal of Operational Research . 2005 (3)

[10]

A new approach to solving the multiple traveling salesperson problem using genetic algorithms[J] . Arthur E. Carter,Cliff T. Ragsdale. European Journal of Operational Research . 2005 (1)

← 1 2 →