融合猫群算法的动态分组蚁群算法

TP18; 针对传统蚁群算法在旅行商问题(TSP)中容易陷入局部最优且收敛速度慢等问题,提出了一种融合猫群算法的动态分组蚁群算法.首先,在种群初始化时,人工地使蚂蚁均匀分布在不同的城市.其次,借鉴猫群算法中的分工思想,在蚁群系统中引入动态分组机制,将蚂蚁分为搜索蚂蚁和跟踪蚂蚁两类:搜索蚂蚁通过路径构建规则的改善使算法在前期多样性增加;跟踪蚂蚁利用信息素扩散机制对局部信息素进行自适应更新,突出较优子路径的作用,避免算法陷入局部最优.最后,通过信息素全局更新机制加快收敛速度.通过Matlab对TSPLIB中的多组案例进行仿真实验,结果表明改进后的算法平衡了多样性和收敛速度,有效提高了解的质量....

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 5; pp. 880 - 891
Main Authors 张德惠, 游晓明, 刘升
Format Journal Article
LanguageChinese
Published 上海工程技术大学 电子电气学院,上海,201620%上海工程技术大学 管理学院,上海,201620 01.05.2020
Subjects
猫群算法(CSO)
动态分组
自适应信息素扩散
旅行商问题(TSP)
蚁群算法(ACO)
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1905032

Cover

More Information
Summary:TP18; 针对传统蚁群算法在旅行商问题(TSP)中容易陷入局部最优且收敛速度慢等问题,提出了一种融合猫群算法的动态分组蚁群算法.首先,在种群初始化时,人工地使蚂蚁均匀分布在不同的城市.其次,借鉴猫群算法中的分工思想,在蚁群系统中引入动态分组机制,将蚂蚁分为搜索蚂蚁和跟踪蚂蚁两类:搜索蚂蚁通过路径构建规则的改善使算法在前期多样性增加;跟踪蚂蚁利用信息素扩散机制对局部信息素进行自适应更新,突出较优子路径的作用,避免算法陷入局部最优.最后,通过信息素全局更新机制加快收敛速度.通过Matlab对TSPLIB中的多组案例进行仿真实验,结果表明改进后的算法平衡了多样性和收敛速度,有效提高了解的质量.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1905032