当前位置：文档之家 › 一种改进蚁群算法的仿真研究

一种改进蚁群算法的仿真研究

  • 格式：pdf
  • 大小：215.64 KB
  • 文档页数：3
Ａｂ ｔ ａ ｔ ｈ ｎ ｏ ｏ ｙ ａｇ ｒｔ ｍ ｓｔ ｍｉａ ｅ ｔ ｅ ｃ ｏ ｅ ａ ｉ ｅ ｂ ｈ ｖ ｏ ｆａ ｔｃ ｌ ｎ ｅ ． ｕ ｔｈ ｓ ｓ ｍｅ ｓ ｏ ｔ ｏ ｉ ｇ ｕ ｈ ａ ｓ ｒ ｃ ：Ｔ ｅ ａ ｔｃ ｌ ｎ ｌ ｏ ｉ ｈ ｉ ｏ ｉ ｔ ｔ ｈ ｏ ｐ ｒ ｔｖ ｅ ａ ｉ ｒｏ ｎ ｏ ｏ ｉ ｓ ｂ ｔｉ ａ ｏ ｈ ｒｃ ｍ ｎ ｓ ｓ ｃ ｓ ｓｏ ｃ ｍｐ ｔ ｇ ｓ ｅ ｄ ａ ｄ ｅ ｓ ｏ ｆ ｌ ｉ ｏ ａ ｉ ｉ ｍ ｎ ｔ ｅ ｌｒ ｅ ｓ ａ ｅｐ ｏ ｌｍ ． ｉ ａ ｅ ｎ ｒ ｄ ｃ ｓｔ ｅ ｍｏ ｅ ｓａ ｄ ｌ ｗ ｏ ｕ ｉ ｐ ｅ ． ｎ ａ ｙ ｔ ａ ｌ ｎ ｌ ｃ ｌ ｎ ｍｕ ｉ ｈ ａ ｇ ｃ ｌ ｒ ｂ ｅ Ｔｈ ｓｐ ｐ ｒｉ ｔｏ ｕ ｅ ｄ ｌ ｎ ｎ ｍ ｈ ｐ ｏ ｌ ｍ ｓａ ｏ ｔ ｉ ａ ｒ ｖｉ ｅ ｎ ｉ ｒ ｖ ｄ ｖ ｒ ｉ ｎ ｏ ｈ ｌ ｏ ｉｈ ． ｅ ｓ ｍｕ ａ ｉ ｎ ｒ ｓ ｌ ｆ ｒ ＴＳ ｈ ｗｓ ｔ ａ ｈ ｒ ｂ ｅ ｂ ｕ ｔ ｎｄ ｐ ｏ ｄ ｓ ａ ｍｐ ｏ ｅ ｅ ｓｏ ｆｔ ｅ ａ ｇ ｒｔ ｍ Ｔｈ ｉ ｌ ｔｏ ｅ ｕ ｔ ｏ Ｐ ｓ ｏ ｈ ｔｔ ｅ
年代提出了蚁群算法 【（ ｔＡｇ ｒ ｔ 。 】Ａｎ ｌｏ ｉＬ 蚁群算法通过 由候选 ｌ ｔ ｍ）
解组成的群体的进化过程 来寻求最优解 ， 特别适合 于在离散优化
问题的解空间进行多点非确定性搜索 ， 已应用于旅行商问题 、 二 次分配问题等多个经典离散组合优化问题 ， 成为组合优化等Ｎ — Ｐ ｈ ｒ 问题的一种非常有潜力的演化算法 。 ａｄ 但该算法存在进化速度 转 漫， 容易陷入局部最优的问题 。 因此， 许多学者对蚁群算法提出 了改进方法。如 ＳｕｚｅＨｏ ｓ 出的 Ｍａ ～ ｎ Ａ （ ｔｔｌ， ｏ 提 ｘ Ｍｉ ＳＭＭＡ ） Ｓ、 Ｄ ｒ ｏ Ｇ ｍｂ ｒｅｌ ｏｉ ， ａ ａ ｄｌ ｇ ａ提出的 Ａ ｔＣ ｌｎ ｙ ｔｍ（ Ｓ 、结合 ｎ ｏｏ ｙ Ｓ ｓｅ ＡＣ Ａ ＿章 编 号 ：０ ３ ７４ （０ ８ ２ ０ ５ — ３ 芝 ｌ １０ — ２ １ ２ ０ ）０ — ０ ８ ０
Ｓｉ ｌｔ ｎＳ ｕ ｙｏ ｎ Ｉ ｒｖ ｄ Ａｎ ｌｎ ｇ ｒｈ ｍｕａ ｉ ｔ ｄ ｆ ｏ ａ ｏｅ ｔ ｍｐ Ｃｏｏ ｙＡｌｏ ｉ ｍ ｔ
１ 引言
算法是规划的灵魂， 也许针对一种规划 已有多种算法可以解 决， 而蚁 群算 法则是这几年发展起来的一种新方法 。蚁群算法 （ ｔＡｇ ｒ ｈ Ａｎ ｌｏ ｔ ｍ）是一种概率搜索算法 ， ｉ 它利用生物信息激素 （ ｈ ｒｍｏ ｅ 作为蚂蚁选择后续行为的依据 。 Ｐ ｅｏ ｎ ） 每只蚂蚁会对一定 范围内其它蚂蚁散步的生物信息激素做 出反应 ， 依据生物信息激 素的强度在每一个 道 口对多条路径选择做出概率上的判断并执行 — 选择 ， 由此观察并影响他们 以后的行为。 受到蚂蚁这种觅食方式
维普资讯
《 动 技 应 ２０年 ７ 第２ 自 化 术与 用》０８ 第２卷 期
计 算 机 应 用
Ｃｏ ｐ ｔ ｍ ｕ ｅｒＡｐｐ ｉａ ｉ ｎ ｌ ｔｏ ｓ ｃ
一
种 改进 蚁群 算 法 的仿 真研 究
李 金 汉 ．杜 德 生
（ 哈尔滨理工大学 自动化学院 黑龙江 哈尔滨 １０ ８ ） ５０ ０
Ｌ ｉ －ａ ， －ｈ ｎ ＩＪｎ ｈ ｎ ＤＵ Ｄｅｓ ｅ ｇ
（ｃ ｏ ｌ ｆ ｔｍａｉｎＨａｂｎＵｍｖ￣ｉ ｆＳ ｉｎ ｅ ｎ ｅｈ ｏｏ ｙｈ ｅｂｎ１０ ８ ， ｈｎ ） Ｓ ｈ ｏ Ａｕｏ ｔ ， ｒｉ ｅ ｔ ｏ ｃ ｃ ｄＴ ｃ ｎ ｌｇ ，ａｒｉ ５ ０ ０ Ｃ ｉａ ｏ ｏ ｙ ｅ ａ
中留下一些信息激素能被 同一蚁群 中后来 的蚂蚁感受到 ， 并作为
一
种信号影响后到者 的行动 ， 到者 留下的信息激素会对原有 而后
的信息激素进行加强 ， 如此循环 下去 。这样 ， 经过 蚂蚁越多的路 径， 在后到蚂蚁的选择 中被 中的可能性就越大（ 因为残 留的信息激 素浓度较大的缘故）由于在一定的时间内 ， 。 越短的路径会被越多
摘
要： 最新研究表 明蚁群算法是 种基 群 体的强鲁捧性的进 化算法 ， 其基本思想是幔拟蚂蚁的 台怍行为， 通过其 内在的搜索机制 ，
成为求解组 合优化问题的新 的进化算法 。 但是 ， 蚁群算法也有 收敛速度慢 ， 容易陷入局部最 优的缺点 。本文介绍蚁群算法的模
型及其存在的 问题 ， 提出 了 一 评 ｌ 种改进形式。针对 Ｔ Ｐ问题 的俯真实验结果， Ｓ 丧明 ｊ 该改进算法的有效性 。 关键词 ： 蚁群算法 ； 生物信息激 素； 旅行商问题 ； 改进 算法
ｖ ｌ ｉ ｆ ｈ ｓａ ｇ ｒｔ ｍ． ａ ｉ ｔ ｏ ｉ ｌ ｏ ｉ ｄ ｙ ｔ ｈ
Ｋｅ ｗｏ ｄ ： ｎ ｏ ｏ ｙ ａ ｇ ｒｔ ｍ； ｈ ｒ ｍ ｏ ｅ ｔａ ｅ ｉ ｇ ｓ ｌ ｓ ｎ ｐ ｏ ｌ ｍ ； ｖ ｌ ｔｏ ａ ｙ ａ ｇ ｒ ｈ ｙ ｒ ｓ ａ ｔｃ ｌ ｎ ｌ ｏ ｉ ｈ ｐ ｅｏ ｎ ； ｒ ｖ ｌ ａ ｅ ｍａ ｒ ｂ ｅ ｎ ｅ ｏ ｕ ｉ ｎ ｒ ｌ ｏ ｉ ｍ ｔ
的启发 ， Ｄ ｒ ｏ Ｖ． ｎｅ ｏ Ａ． ｏｏｉｉ Ｍ． ｏｉ 、 Ｍａ ｉｚ ｚ 、 Ｃ ｌｒ 等人在 ２ 世纪９ ｇ ｎ ０ ０
过早收敛的改进的蚁群算法 。 针对Ｔ Ｐ Ｓ 问题的仿真实验结果 ， 表
明该算法具有较好的性能 。
２ 基本 的蚁 群 算 法
在蚁群算法 中， 只蚂蚁在行动（ 一 寻找食物或者回巢 的路径）

合集下载

蚁群算法的改进及在TSP问题上的仿真验证

蚁群算法的改进及在TSP问题上的仿真验证

蚁群算法的改进及在TSP问题上的仿真验证
陈佑健;陈佐健
【期刊名称】《计算机工程与设计》
【年(卷),期】2006(27)14
【摘要】蚁群算法是一种新型的模拟进化算法,具有正反馈、分布式计算等特点.在介绍蚁群算法基本原理的基础上,针对基本蚁群算法求解速度缓慢、容易陷入局部最优等特点,采用分区搜索的思想,提出了一种改进的蚁群算法.它将搜索区域分成几个较小的区域进行局部搜索,得到了局部较优解,以此产生蚁群算法在全局搜索时的初始信息素分布,并结合局部与全局信息素调整等策略,大大地加速了算法的收敛速度.在TSP旅行商问题上的仿真验证表明它是可行性和有效性的.
【总页数】3页(P2691-2693)
【作者】陈佑健;陈佐健
【作者单位】福州电业局,福建,福州,350009;南京市质量技术监督局,江苏,南
京,210018
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于蚁群算法在TSP问题中的仿真分析 [J], 朱笔挥;于金鑫;魏洪磊
2.基于蚁群算法求解TSP问题的参数优化与仿真 [J], 柳长源;毕晓君;韦琦
3.改进蚁群算法在解决TSP问题中的应用 [J], 李雪; 王雷
4.分层递进的改进聚类蚁群算法解决TSP问题 [J], 梁艺琼
5.TSP问题的蚁群算法模型及仿真研究 [J], 陈海英;李淑玉
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进蚁群算法的研究

一种改进蚁群算法的研究

[收稿日期]65　[作者简介]胡森森(),男,3年大学毕业,助教,现主要从事计算机软件算法方面的教学与研究。

一种改进蚁群算法的研究 胡森森,周贤善　(长江大学计算机科学学院,文理学院,湖北荆州434023)[摘要]从基本蚁群算法出发,基于TSP (t raveling salesman problem )的邻域结构,提出了一种改进的优化算法,给出了具体的算法步骤。

该算法采用22opt 和32opt 作为混合邻域结构,可以有效克服基本蚁群算法收敛速度慢和易于陷入局部最优解的弊病。

针对TSPL IB 中的kro b100,EIis51和C HN144问题的计算结果表明,该改进算法具有良好的效果。

[关键词]蚁群算法;邻域结构;TS P[中图分类号]TP30116[文献标识码]A [文章编号]16731409(2006)04007802基本蚁群算法[1]的不足主要表现在算法收敛速度慢,系统开销大。

蚂蚁选择路径的主要依据是路径上的信息素浓度,当某条路径上的信息素浓度达到一定程度时,蚂蚁选择其他路径的概率就很小。

试验表明,基本蚁群算法求解过程中较多的候选解并非最优,信息增量会产生误导,从而产生很多无效的搜索,此时蚁群算法会过早的陷入局部最优。

为了解决这一矛盾,笔者针对旅行商问题(Traveling Sale s 2ma n Problem ,TSP ),提出了一种基于混合邻域结构策略的蚁群算法,取得了较好的效果。

1　TSP 问题描述给定n 个城市中每2个城市之间的距离,求从某个城市出发经过每个城市仅仅一次且回到起点的最短路径。

即在一个具有n 个顶点的完全图上找到一条费用最小的Ha mil ton (哈密尔顿)回路[2]。

TSP 的一个解可表述为一个循环排列π=(π1,π2,…,πn-1,πn )。

2　基本蚁群算法邻域结构定义[2]:设(S ,f )是组合优化问题的一个实例,则一个邻域结构是一个映射N ∶S →2S ,其含义是,对每个解i ∈S ,有一个解的集合S i ΑS ,这些解在某种意义上是邻近i 的。

改进型蚁群算法的全局路径规划仿真研究

改进型蚁群算法的全局路径规划仿真研究


接 图 法 建 立 了路 径 规 划 的 空 间模 型 ； 借 鉴 狼 群 分 配 原 则 对 信 息素 进 行 更 新 ； 在 缩 小 搜 索 区域 ， 提 高 搜 索 效 率 的 过 程
中， 引入 了启发 式概 率公 式和启发 函数 ； 通过 参数 自适应 调整 策略 ， 进 一步对 最优 解进 行 了优 化。将基 于 Ｄ ｉ ｊ ｋ ｓ ｔ ｒ ａ
Ｓｉ ｍ ｕｌ ａ ｔ ｉ ｏ ｎ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｇｌ ｏ ｂ ａ ｌ Ｐａ ｔ ｈ Ｐｌ ａ ｎｎ ｉ ｎｇ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｉ ｍ ｐｒ ｏ ｖ ｅ ｄ Ａｎｔ Ｃｏ ｌ ｏ ｎｙ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈｍ
ＺＨ ＡＮＧ Ｐｅ ｎ ｇ ， ＸＵ Ｘｉ ａ ｏ —Ｘ Ｕ
ｐｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ ｎａ ｒ ｒ ｏ ｗｉ ｎ ｇ ｓ ｅ ａ ｒ ｃ ｈ ａ ｒ ｅ ａ ｓ ａ ｎ ｄ ｉ ｍｐ ｒ ｏ ｖ ｉ ｎ ｇ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ； ｆ ｕ ｒ ｔ ｈ ｅ ｍ ｏ ｒ ｒ ｅ， ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍａ ｌ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｆ ｕ ｒ ｔ ｈ ｅ ｒ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ｂ ｙ ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ．Ｆ ｉ ｎ ａ ｌ ｌ ｙ， ｔ ｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｃ ｏ ｍｐ ａ ｉｎ ｒ ｇ
ｄ ａ ｔ ｅ ｔ ｈ ｅ ｐ ｈ ｅ ｒ ｏ ｍｏ ｎ ｅ ； ｔ ｈ ｅ ｈ ｅ ｕ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｆ ｏ ｒ ｍｕ ｌ ａ ａ ｎ ｄ ｔ ｈ ｅ ｈ ｅ ｕ ｒ ｉ ｓ ｔ ｉ ｃ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｉ ｓ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｉ ｎ 学 工程技 术 训练 中心 ， 天津 ３ ０ ０ ３ ０ ０ ； ２ ． 中国 民航 大 学 航 空 自动化 学 院 ， 天津 ３ ０ ０ ３ ０ ０ ）
基于改进蚁群算法的全局路径规划研究与仿真

基于改进蚁群算法的全局路径规划研究与仿真

收稿日期：2017-02-01；修回日期：2017-02-10。

基金项目：国家自然科学基金(11271040，11361027)；广东省教育厅重大项目(2014KZDXM055)；广东省科技厅项目(2016A070708002，2015A070706001，2014A070708005)资助。

作者简介：吴明芬，广东省江门市五邑大学计算机学院(529020)，DOI ：10.19551/ki.issn1672-9129.2017.01.02基于改进蚁群算法的全局路径规划研究与仿真燕紫君，吴明芬*(五邑大学计算机学院江门 529020）摘要：路径规划是指在有障碍物的工作环境中，寻找一条从给定起点到终点的适当路径，使运动过程中能安全、无碰的绕过所有障碍物。

目前针对路径规划的算法较多，本文主要针对传统蚁群算法在二维路径规划中易陷于局部最优解，最终导致搜索过早停滞等问题，提出了一种改进的蚁群算法。

该改进的算法主要以全局最优为出发点，通过引入终点对启发因子的影响，在邻接点和终点的共同作用下对启发因子函数的重新构建，有效地解决了传统蚁群算法在处理全局路径规划中带来的问题。

采用MAKLINK 图论理论建立二维空间模型，应用MATLAB 作为编码的软件工具来对传统的蚁群算法和改进的蚁群算法在路径规划中进行仿真验证，实验结果表明改进的蚁群算法有更好的性能。

关键词：全局路径规划；蚁群算法；启发因子；MAKLINK 图论理论 中图分类号：TP391.9文献标志码: A 文章编号：1672-9129(2017)01-0006-04Research and Simulate of Global Path Planning Based onImproved Ant Colony AlgorithmYAN Zijun, WU Mingfen*(College of Computer Science , Wuyi University, Jiangmen ，529020)Abstract ：Path planning is to find a proper path from a given starting point to the end point in a work environment with obstacles, and it makes the object in motion process safety without touching obstacles. At present, there are many kinds of algorithm to solve the issue of path planning. In this paper, we focus on the shortage of traditional Ant Colony algorithm, causing issues of premature and search stalled. When it is applied to solve the problem of robot path planning, an improved Ant Colony algorithm has been put forward, and the improved algorithm set global optimization as original intention. By introducing the end point effect on the stimulating f actor, we rebuild the stimulating factor function under the joint of adjacent point and end point, and through this method we can deal with the matters that traditional algorithm brings effectively. As the result, we use MAKLINK to build a two-dimensional space model, and use the MATLAB as a coding tool to simulate the traditional ant colony algorithm and the improved ant colony algorithm in path planning. The result shows that the improved Ant Colony algorithm has better performance.Keywords ：global path planning; Ant Colony algorithm; stimulating factor function; MAKLINK graph theory引言路径规划是指在有障碍物的工作环境中，寻找一条从给定起点到终点的适当运动路径，使在运动过程中的物体能安全、无碰的绕过所有障碍物。