学位论文 > 优秀研究生学位论文题录展示
改进的蚁群优化算法及其在TSP中的应用
作 者: 吴志峰
导 师: 胡小兵
学 校: 重庆大学
专 业: 运筹学与控制论
关键词: 蚁群优化 蚁群算法 信息素 交税蚁群算 带路径评估蚁群算法
分类号: TP301.6
类 型: 硕士论文
年 份: 2009年
下 载: 167次
引 用: 0次
阅 读: 论文下载
内容摘要
意大利学者M.Dorigo,V.Maniezzo和A.Colorni于1992年通过模拟蚂蚁的觅食行为提出了一种基于种群的模拟进化算法--蚁群算法,并成功应用于求解著名的TSP问题,而后渗透到多个应用领域,从解决一维静态优化问题到解决多维动态组合优化问题,从离散范围内的研究逐渐拓展到连续范围内的研究,如在系统控制、人工智能、模式识别、生产调度等方面。本文主要围绕蚁群算法的改进及其在TSP中的应用展开,就如何改进蚁群算法、抑制算法出现停滞、以及在TSP中的应用进行了深入研究。文章的主要研究工作如下:针对蚁群算法容易早熟、收敛速度慢等缺点,提出了两种改进的蚁群算法。1、基于交税的蚁群算法。首先在蚂蚁搜索过程中采用动态伪随机比例选择机制,在搜索的前期,保证了搜索的范围较大,在搜索后期,保证了算法的收敛性;同时,根据缴纳个人所得税的方式,在进行全局信息素更新的时候,每隔一段时间,当前最优路径再缴纳一定的信息素税,从而提高了算法搜索较好解的能力。2、带路径评估的蚁群算法。所有蚂蚁每完成一次路径搜索,记录下每只蚂蚁搜索到的路径长度,根据改进的标准方差计算公式来评估当前搜索的情况,决定是否要进行信息素全局更新;同时,采用区间压缩函数,如果在一段搜索时间内没有出现更优的解,可能出现了早熟现象,这时,对所有路径上的信息素压缩,调整蚂蚁对每个城市的搜索概率。通过仿真试验,并与蚂蚁系统和蚁群系统进行比较,试验结果表明,这两种改进的算法在避免早熟方面、搜索最优解和稳定性等方面具有较好的表现。最后,对全文的研究工作进行了总结,并展望了蚁群优化算法进一步还要研究的课题。
|
全文目录
摘要 3-4 ABSTRACT 4-8 1 绪论 8-15 1.1 引言 8 1.2 蚁群优化算法 8-12 1.2.1 蚁群行为描述 8-10 1.2.2 蚁群优化算法的机制原理 10-12 1.2.3 蚁群优化算法特点 12 1.3 蚁群优化算法研究现状 12-13 1.4 本文主要工作 13-15 2 基本蚁群算法 15-22 2.1 引言 15 2.2 旅行商问题(TSP) 15 2.3 基本蚁群算法 15-21 2.3.1 基本蚁群算法的机制原理 15-17 2.3.2 基本蚁群算法数学模型 17-19 2.3.3 基本蚁群算法的具体实现 19-21 2.4 本章小结 21-22 3 蚁群优化(ACO)元启发式及其收敛性 22-34 3.1 引言 22 3.2 蚁群优化元启发式算法 22-28 3.2.1 人工蚂蚁与真实蚂蚁异同 22-23 3.2.2 蚁群优化元启发式 23-28 3.3 蚁群优化的收敛性 28-33 3.3.1 蚁群优化收敛性概述 28 3.3.2 保证收敛到最优的ACO 算法 28-33 3.4 本章小结 33-34 4 蚁群算法的改进算法 34-49 4.1 引言 34 4.2 蚁群算法的优点与不足 34 4.3 蚁群算法的改进 34-38 4.3.1 精华蚂蚁系统 34-35 4.3.2 基于排列的蚂蚁系统 35 4.3.3 最大最小蚂蚁系统 35-36 4.3.4 蚁群系统 36-37 4.3.5 各种蚁群算法的比较 37-38 4.4 基于交税的蚁群算法(RACA) 38-42 4.4.1 引言 38 4.4.2 RACA 算法设计 38-40 4.4.3 RACA 算法的实现过程 40 4.4.4 仿真实验 40-42 4.5 带路径评估的蚁群算法(REACA) 42-48 4.5.1 引言 42 4.5.2 REACA 算法设计 42-44 4.5.3 REACA 算法实现 44-46 4.5.4 仿真实验 46-48 4.6 本章小结 48-49 5 总结与展望 49-51 5.1 总结 49 5.2 展望 49-51 致谢 51-52 参考文献 52-55 附录 55
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 甜菜夜蛾信息素结合蛋白的表达动态及其受交配和钟基因沉默的影响,S433.4
- 樟巢螟性信息素通讯系统的相关研究,S763.3
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 智能光网络动态路由和波长分配算法的研究,TN929.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 基于蚁群算法的车辆调度问题研究,TP301.6
- 融合MMTD与仿生算法的路由选择研究,TP393.05
- 基于信息素和多Agent协商的柔性路径下跨单元调度方法,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com
|