基于动态调节信息素增量的蚁群算法

格式：pdf
大小：245.43 KB
文档页数：3

下载文档原格式

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｈｓｅｅｅｏｍｎｅｉｏｉｇｔｅｒｖｌｇｓｌｓａｒｌｓ（Ｓ）ａｔｒｒｒａｃｓｌｎａｅｎａｍｎｐｏｅｂｔｐｆｎｖｈｔｉｅｂｍＴＰ．Ｋｙｗｒｓｎｏｏｙａｏｉｍ（Ｃ；ｙａｉａｊｓｅｔａｔｒｐｅｏｏｅｉｃｅｅｔｆｈｒｍｎ；Ｓｅｏｄ：ａｔｌｎｌｒｈＡＡ）ｄｎｍｃｄｕｔｎｃｏ；ｈｒｍｎ；ｎｒｍｎａｏｅｏｏｅＴＰｃｇｔｍｆｌｐ
化学刺激物——信息素，由于蚁群算法中正反馈的存在，得使蚂蚁都倾向于选择信息素较多的路径，因此在倾向于找到最优路径的同时也产生了副作用，即易陷入局部最优。基于此，许多学者对其进行了改进Ｊ。本文针对蚂蚁易陷入停滞状态的缺陷，时地调节信息素更新公式，适并在信息素增量的更新式中加入动态调节因子，使得接近最优解的路径上的信息素明
（ｃｏｌｆＭａｈｍａｉ＆Ｓａｉｉ，ＣｏｇｉｇＵｉｒｔ，Ｃｏｇｉ０３１ＣｉａＳｈｏｏｔｅｔｓｔｔｔｓｈｎｑｎｖｓｙｈｎｑｎ４１３，ｈｎ）ｃｓｃｎｅｉｇ
ＡｂｔａｔＴｉａｅｔｄｅｈｐａｉｇｒｌｐｅｏｎｎｍｐｏｅｅｅｕａｏｙｆｃｏｎｔｉｐｐｒｔｖｉｈｓｒｃ：ｈｓｐｐｒｓｉｄｔｅｕｄｔｕｅ・ｈｒｍｏｅａｄｅｌｙｄａｎｗｒｇｌｔｒｔｒｉｈｓａｅａｏｄｔｅｕｎａｏｓｇａｉｎ，Ｓｈｈｒｍｏｅｏｈｏｔｓｃｏｅｔｈｈｒｓｉｃｅｓｄ，ｏｈｒｄｄｔｈｎｅｏｖｏｓｔｎｔａｏＯｔｅｐｅｏｎｎｔｅｒｕｅｌｓｏｔｅｓｏｔｔｎｒａｅｅｔｅｓｉｎ’ ａｇｂｉｕｌｃｙ，ｗｉｈｅｃｕａｅｈｃｎｏｒｇｄ
第２９卷第１期２１０２年１月
计算机应用研究
ＡｐｌａｉｎＲｅｅｒｈｏｍｐｔｒｐｉｔｓａｃｆＣｏｕｅｓｃｏ
Ｖｏ＿９Ｎｏ１ｌ２．
Ｊｎ２１ａ．０２
基于动态调节信息素增量的蚁群算法术
ａｓｔｎｅｔｒｓｌｉｎｉｅｓｔｍｅＳｍｕａｉｎｅｕｌｎｏｅｇｎｅｐｒｃｓｈｗｈａｈｅｉｎｔｏｆｄｂｔｅｏｕｔｏｎｌｓｉ．ｉｌｔｏｒｓｔａｄｃｎｖｒｅｃｏｅｓｓｏｔｔｔｍｐｒｖｄａｔｃｌｎｙｓｓｅｉｓｏｅｎｏｏｙｔｍ
刘瑞杰，胡小兵
（重庆大学数学与统计学院，重庆４１３）０３１
摘
要：为了避免蚁群算法陷入停滞状态，究了信息素的更新规则，研并在信息素增量更新式中加入动态调节
因子，使得次优路径上的信息素增量较大，其他路径则没有明显的变化，从而有利于蚂蚁在较短的时间内找到更好的解。仿真实验结果及收敛过程表明，改进后的算法解决旅行商问题具有更好的全局搜索能力。
Ａｎｏｎｌｏｉｍｂｓｄｏｙａｃａｊｓｎｆｎｒｍｅｔｆｈｒｍｏｅｔｌｙａｒｈａｅｎｄｎｍｉａｕｔｔｃｅｎａｏｅｏｎｃｏｇｔｍｅｏｉｌｐ
ＬＵＲｉｉ，Ｈｉ —ｉＩｕ－ｅＵＸａｂｎｊｏｇ
关键词：蚁群算法；态调节因子；息素；息素增量；行商问题动信信旅
中图分类号：Ｔ３１６Ｐ０．文献标志码：Ａ文章编号：１０．６５２１）１０３ — ２０１３９（０２０ — １５０
ｄｉ１．９９ｊｉｎ１０－６５２１．１０７ｏ：０３６／．ｓ．０１３９．０２０．３ｓ
期望启发式因子，示能见度的相对重要性；ｔ为启发函表叼（）数，其表达式为
叩（）＝１（）３
尽管单个的蚂蚁行为极其简单，整个蚂蚁群体的能力，但尤其是搜索食物源的能力却是非常强大的，这种能力来源于蚂
蚁群体中很好的个体协作行为。自然界中的蚂蚁会分泌一种
ｐｉ（仉］ｕｅ（：：（ … ａａ２Ｊ：）果）多个问题，展成为一种可与遗传发
算法相媲美的仿生优化算法。
【０
否则
其中：ｌｗｄ：｛ａｏｅＣ—ｔｕ｝ｌａ表示蚂蚁ｋ下一步允许选择的城ｂ市；为信息启发式因子，表示信息素轨迹的相对重要性；为
０引言
蚁群算法是一种源于自然界中蚂蚁觅食行为的一种启发
式算法，该算法自意大利学者Ｄｒｏ等人提出后．ｏｉｇ已经成功
其中：是均匀分布在Ｅ，］ｇ０１上的随机变量；。０≤ｑ≤１是一ｇ（０）
个参数；根据式（）Ｊ２给出。

基于动态调节信息素增量的蚁群算法

合集下载

文档推荐

最新文档