多態(tài)蟻群算法在TSP問題應(yīng)用中的改進(jìn)與優(yōu)化.pdf

1、蟻群算法(Ant Colony Algorithm，ACA)根據(jù)螞蟻的群體行為特性，模仿自然界中的螞蟻尋找食物到蟻巢之間最短路徑的行為，尋找搜索問題的最優(yōu)解，是一種新型仿生進(jìn)化算法;是繼模擬退火算法、遺傳算法、禁忌搜索等之后的又一啟發(fā)式智能優(yōu)化算法，在各類復(fù)雜組合優(yōu)化問題中，有著廣泛的應(yīng)用。蟻群算法采用正反饋并行自催化機制，具有較強的魯棒性、容易與多種啟發(fā)式算法結(jié)合等優(yōu)點，同時也存在著不可忽視的缺點:例如算法的收斂速度較慢，螞蟻搜索容易

2、陷入局部最優(yōu)，從而造成算法停滯現(xiàn)象的出現(xiàn)。
　　本文著重研究了多態(tài)蟻群算法在TSP問題中的應(yīng)用并提出了自定義改進(jìn)優(yōu)化算法。多態(tài)蟻群算法對基本蟻群算法進(jìn)行了一定的優(yōu)化，將螞蟻分類，所有螞蟻各司其職，相互依賴，相互合作，形成一個整體。通過仿真實驗，發(fā)現(xiàn)多態(tài)蟻群算法在路徑選擇和全局搜索方面存在著不足之處，比較容易陷入局部最優(yōu)。本文對蟻群算法特別是多態(tài)蟻群算法進(jìn)行了大量的研究和分析，提出了兩種改進(jìn)方法，以提高算法的性能。
　　本文研

3、究工作的主要內(nèi)容有:
　　(1)蟻群算法的概述和研究。介紹了蟻群算法的由來，以及數(shù)學(xué)模型和算法步驟，并對算法的優(yōu)缺點進(jìn)行了分析。
　　(2)闡述了多態(tài)蟻群算法的原理，介紹了算法的模型以及步驟，并且通過大量的實驗仿真，找到了多態(tài)蟻群算法中的信息素更新和路徑選擇中存在的問題。
　　(3)提出加權(quán)值多態(tài)蟻群算法。通過加入權(quán)值q1和q2，使得螞蟻能夠更好更快更全面地進(jìn)行全局搜索，并通過仿真實驗驗證了該算法的有效性。