一種路徑規(guī)劃問題的蟻群算法研究.pdf

1、路徑規(guī)劃問題是智能交通、通信網(wǎng)絡、機器人等人工智能研究領域的重要分支,是始終備受國內(nèi)外研究學者關注和青瞇的研究課題,探索與實現(xiàn)一種準確高效的路徑規(guī)劃方法無疑成為一個研究熱點。蟻群算法作為近年來發(fā)展起來的一種智能優(yōu)化算法在解決很多復雜問題時所表現(xiàn)的優(yōu)異性能和發(fā)展?jié)摿κ侵档藐P注的。本文主要針對面向路徑規(guī)劃問題的蟻群算法進行研究和實現(xiàn)。
　　本文首先研究了蟻群算法的基本原理基礎上,介紹并對比了蟻群算法的蟻密模型、蟻量模型和蟻周模型,并針

2、對本文所使用的蟻周模型給出了基本蟻群算法的算法描述和實現(xiàn)。同時分析和比較了蟻群系統(tǒng)、最大最小螞蟻系統(tǒng)以及蟻群優(yōu)化算法等幾種典型的蟻群算法,為后續(xù)研究工作提供了理論基礎。
　　然后,介紹采用柵格圖法進行路徑規(guī)劃問題環(huán)境建模,給出路徑規(guī)劃相關問題的描述和定義后,由于蟻群算法會出現(xiàn)收斂速度慢和全局搜索能力差等問題,提出了基于目標啟發(fā)策略、參數(shù)自適應調整策略、狼群分配策略、遺傳交叉和變異策略等策略的改進蟻群算法。同時在柵格圖障礙環(huán)境和TS

3、P兩類路徑規(guī)劃問題上進行了大量的仿真實驗,實驗結果表明改進的蟻群算法無論在算法搜索到最優(yōu)解的速度上或質量上都優(yōu)于傳統(tǒng)的蟻群算法。
　　最后,在蟻群算法的基礎上結合粒子群算法,提出蟻群算法和粒子群算法融合算法(PSO-ACO)。并針對提高融合算法性能,提出了蟻群算法的多路徑選擇策略、動態(tài)信息素局部更新策略和帶信息素調節(jié)因子的信息素全局更新策略等三種策略的改進。仿真實驗結果表明在較復雜的柵格圖障礙環(huán)境和較大規(guī)模的TSP問題中,本文提出