解放军理工大学学报（自然科学版）
解放軍理工大學學報（自然科學版）
해방군리공대학학보（자연과학판）
JOURNAL OF PLA UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2014年
2期
165-170
,共6页
朱会杰%王新晴%张红涛%赵洋%李艳峰
硃會傑%王新晴%張紅濤%趙洋%李豔峰
주회걸%왕신청%장홍도%조양%리염봉
蚁群优化算法%监工机制%自适应%局部搜索%旅行商问题
蟻群優化算法%鑑工機製%自適應%跼部搜索%旅行商問題
의군우화산법%감공궤제%자괄응%국부수색%여행상문제
ant colony optimization (ACO) algorithm%supervisory mechanism%self-adaptive%local search%traveling sale man problem(TSP)
针对基本蚁群算法存在收敛速度慢、易陷入局部最优解等问题,受监工机制的启发,提出了监工蚁群算法,以监工距离作为评价标准,自适应地选择优良的蚂蚁更新信息素,提高了每次迭代中解的质量,指导之后的蚂蚁进行更好的学习.该算法选用优化的全局更新策略,使得信息素在进化前期增加较多,在后期增加较少;同时,自适应地将信息素的值限定在一定范围内,防止某条路径被选择的概率过大或者过小.该算法还添加了发散和收敛机制,当算法陷入局部最优解时,增加探索的概率,有助于跳出局部最优解.仿真结果表明,监工蚁群算法具有较高的全局寻优能力,减少了迭代次数,增强了算法的稳定性.
針對基本蟻群算法存在收斂速度慢、易陷入跼部最優解等問題,受鑑工機製的啟髮,提齣瞭鑑工蟻群算法,以鑑工距離作為評價標準,自適應地選擇優良的螞蟻更新信息素,提高瞭每次迭代中解的質量,指導之後的螞蟻進行更好的學習.該算法選用優化的全跼更新策略,使得信息素在進化前期增加較多,在後期增加較少;同時,自適應地將信息素的值限定在一定範圍內,防止某條路徑被選擇的概率過大或者過小.該算法還添加瞭髮散和收斂機製,噹算法陷入跼部最優解時,增加探索的概率,有助于跳齣跼部最優解.倣真結果錶明,鑑工蟻群算法具有較高的全跼尋優能力,減少瞭迭代次數,增彊瞭算法的穩定性.
침대기본의군산법존재수렴속도만、역함입국부최우해등문제,수감공궤제적계발,제출료감공의군산법,이감공거리작위평개표준,자괄응지선택우량적마의경신신식소,제고료매차질대중해적질량,지도지후적마의진행경호적학습.해산법선용우화적전국경신책략,사득신식소재진화전기증가교다,재후기증가교소;동시,자괄응지장신식소적치한정재일정범위내,방지모조로경피선택적개솔과대혹자과소.해산법환첨가료발산화수렴궤제,당산법함입국부최우해시,증가탐색적개솔,유조우도출국부최우해.방진결과표명,감공의군산법구유교고적전국심우능력,감소료질대차수,증강료산법적은정성.
