蟻群算法的理論研究及其在TSP上的應(yīng)用.pdf

1、蟻群算法是意大利學(xué)者Dorigo M, Maniezzo V和Colorni A于1991年通過模擬蟻群覓食行為提出了一類基于種群啟發(fā)式仿生算法.該算法的出現(xiàn)引起了眾多學(xué)者們的關(guān)注,在過去的20年的時間里,其算法思想得到不斷的改進、算法性能得到很大的提高,同時,其應(yīng)用范圍已經(jīng)深入到組合優(yōu)化、網(wǎng)絡(luò)路由、函數(shù)優(yōu)化、數(shù)據(jù)挖掘、機器人路徑規(guī)劃等各個領(lǐng)域并取得了較好的效果.本論文圍繞蟻群算法的原理及其在旅行商問題(TSP)上的應(yīng)用,就如何進一步提

2、高算法的性能進行了較為深入、系統(tǒng)的研究,主要研究成果包括:
　　1.針對蟻群算法參數(shù)選擇難的問題,提出了一種帶參數(shù)信息素的蟻群算法(ACAPP).該算法使用了參數(shù)α和β的多種組合,并賦予每一種參數(shù)組合以信息素.螞蟻在參數(shù)組合上釋放的信息素為參數(shù)信息素,在路徑上釋放的信息素為路徑信息素.每次迭代前,螞蟻根據(jù)各參數(shù)組合的信息素按概率選擇參數(shù)α和β的組合;每次迭代后,算法將根據(jù)各參數(shù)組合下的螞蟻所找到的解的情況,相應(yīng)更新各參數(shù)信息素.同

3、時ACAPP還對路徑上信息素的更新方式做了改進,其中,路徑信息素的全局更新保證了最優(yōu)解對螞蟻的指導(dǎo)作用,減少次優(yōu)解對螞蟻行為的干擾;路徑信息素的局部更新以及路徑信息素的下限則避免算法早熟的出現(xiàn).
　　2.對最大最小螞蟻系統(tǒng)進行改進,提出一種帶懲罰機制及信息素混合更新策略的最大最小螞蟻系統(tǒng)(XMMAS).其中,懲罰機制能在盡可能地保證最優(yōu)解的指導(dǎo)作用的基礎(chǔ)上有效地擴大了螞蟻的搜索范圍;信息素混合更新策略同時考慮了次優(yōu)解和最優(yōu)解對信息