發(fā)布時間：2018-05-19 02:23

  本文選題：蟻群算法 + TSP　； 參考：《中國科學技術(shù)大學學報》2016年09期

【摘要】：蟻群算法是一種元啟發(fā)式搜索算法,能有效地解決TSP這類NP問題.針對該算法的信息素更新機制易導致陷入局部最優(yōu)的缺點,提出了一種基于聚類集成的蟻群優(yōu)化與受限解空間的TSP算法.其主要思想如下:先用三角形TSP算法生成初始TSP并構(gòu)建蟻群的初始轉(zhuǎn)移概率矩陣,以減少螞蟻選擇的隨機性;然后運用k-means聚類集成生成關(guān)聯(lián)矩陣,作為擾動因子以優(yōu)化螞蟻對城市的選擇概率,即關(guān)聯(lián)城市相互吸引,不關(guān)聯(lián)城市相互排斥,以避免過早陷入局部最優(yōu);最后提出一種重組受限解空間的邊的方法再次優(yōu)化蟻群的解.實驗結(jié)果表明,與同類算法相比,該算法具有較優(yōu)的結(jié)果.
[Abstract]:Ant colony algorithm is a meta-heuristic search algorithm, which can effectively solve NP problems such as TSP. Aiming at the disadvantage that the pheromone updating mechanism of the algorithm is easy to fall into local optimum, an ant colony optimization and constrained solution space TSP algorithm based on clustering ensemble is proposed. The main ideas are as follows: first, the initial TSP is generated by triangular TSP algorithm and the initial transition probability matrix of ant colony is constructed to reduce the randomness of ant selection, and then the association matrix is generated by k-means clustering integration. As a disturbance factor to optimize the ant selection probability to the city, that is, the associated cities attract each other, the unrelated cities mutually repel each other, so as to avoid falling into local optimum prematurely. Finally, a method of reorganizing the edge of constrained solution space is proposed to optimize the solution of ant colony again. The experimental results show that the algorithm has better results than similar algorithms.
【作者單位】： 寧波大學信息科學與工程學院;寧波大學科學技術(shù)學院;
【基金】：國家自然科學基金(61175054)資助
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 張邦楚;彭琛;余新榮;周曉華;鄒麗君;;基于蟻群優(yōu)化的多彈協(xié)同目標分配算法[J];彈箭與制導學報;2012年04期

2 徐永成;陳];;基于蟻群優(yōu)化的二分網(wǎng)絡(luò)社區(qū)挖掘[J];計算機科學與探索;2014年03期

3 崔世鋼;徐雪蓮;趙麗;田立國;楊耿煌;;蟻群優(yōu)化在移動機器人路徑規(guī)劃上的研究[J];制造業(yè)自動化;2009年01期

4 李文江;楊崔;王濤;;基于蟻群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)控制器的應(yīng)用研究[J];工礦自動化;2009年03期

5 劉延風;劉三陽;;基于蟻群優(yōu)化的置換流水車間調(diào)度算法[J];系統(tǒng)工程與電子技術(shù);2008年09期

6 姜萬錄;劉偉;張瑞娟;陳海軍;;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[J];機床與液壓;2010年13期

7 朱思峰;劉方;柴爭義;;一種基于蟻群優(yōu)化的無線傳感器網(wǎng)絡(luò)路由算法[J];北京理工大學學報;2010年11期

8 舒期梁;趙麗萍;;基于改進蟻群優(yōu)化的無線傳感器網(wǎng)絡(luò)路由算法[J];計算機測量與控制;2011年05期

9 吳文鐵;宋曰聰;李敏;;蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量混沌預測[J];計算機工程與應(yīng)用;2012年34期

10 鄔歡歡;張任;;基于蟻群優(yōu)化的無線傳感器網(wǎng)絡(luò)路由算法[J];智能計算機與應(yīng)用;2014年03期

相關(guān)會議論文 前1條

1 姜萬錄;劉偉;張瑞娟;陳海軍;;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[A];中國機械工程學會流體傳動與控制分會第六屆全國流體傳動與控制學術(shù)會議論文集[C];2010年

相關(guān)博士學位論文 前1條

1 胡小兵;蟻群優(yōu)化原理、理論及其應(yīng)用研究[D];重慶大學;2004年

相關(guān)碩士學位論文 前6條

1 伍祥紅;基于蟻群優(yōu)化的自主水下機器人路徑?jīng)Q策方法研究[D];哈爾濱工程大學;2007年

2 仵振東;基于蟻群優(yōu)化的遙感影像分類研究[D];安徽理工大學;2014年

3 王樂衡;考慮多元設(shè)備類型的超啟發(fā)式跨單元調(diào)度方法[D];北京理工大學;2015年

4 劉偉;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[D];燕山大學;2010年

5 翟晨汐;基于蟻群優(yōu)化的視覺板球系統(tǒng)的直接自適應(yīng)模糊滑�？刂芠D];大連理工大學;2015年

6 任平;基于蟻群優(yōu)化的WSN路由算法研究[D];西安科技大學;2012年

，

本文編號：1908294