资源描述：
《进化粒子群算法在tsp中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第IV页进化粒子群算法在TSP中的应用摘要粒子群优化算法是一种新型的进化计算技术，由Eberhart博士和Kennedy博士于1995年提出。PSO算法已经被证明是一种有效的全局优化方法，并且广泛应用于函数优化，神经网络训练以及模糊系统控制等领域。目前对粒子群优化算法的研究尚处于初期，它今后的发展还有许多工作需要不断充实提高。因此以粒子群优化算法为主要研究对象，寻找求解实际问题的更加有效的改进算法是很有意义的。旅行商问题(TravelingSalesmanProblem-TSP)是图论中一个经典的组合优化问题，是一个典型的NP难题，许多实际问题都可以转
2、化为旅行商问题。本文对一种新的进化粒子群算法在TSP中的应用研究。本文首先分析了粒子群优化算法的原理，应用粒子群优化算法的步骤，以及算法中经验参数的设置，总结了目前PSO算法研究的成果，对比分析了目前对粒子群优化算法的多种改进。其次，基于对粒子群优化算法原理的分析，实现了一种基于TSP的改进的粒子群优化算法：求解TSP的混合粒子群算法，结合遗传算法、蚁群算法和模拟退火算法的思想来解决TSP问题。最后，本文将改进的粒子群算法在burma14和oliver30这两个TSP实例中进行了仿真，得到了较为满意的结果。关键词：粒子群优化算法；旅行商问题；混合粒子群
3、算法第IV页AbstractParticleSwarmOptimization(PSO)isanewkindofevolutionarycomputationandwasoriginallyintroducedbyEberhartandKennedyin1995.Ithassinceproventobeapowerfulglobaloptimizationmethod.PSOhasbeenwidelyappliedinfunctionoptimization,neuralnetworktraining,andfuzzysystemcontrol,etc
4、.However,asPSOisanewlyemergingoptimizationmethod,therearemanyresearchworkshouldbesubstantiated.SoitisverysignificanttoseekmorepowerfulimprovedalgorithmsbasedonPSOtosolveconcreteengineeringproblems.TSP(TravelingSalesmanProblem-TSP)isaclassicgraphtheory,combinatorialoptimizationpr
5、oblem,isatypicalNPproblem,manypracticalproblemscanberansformedintotravelingsalesmanproblem.Inthispaper,theevolutionofanewparticleswarmalgorithmintheapplicationofTSP.Firstly,elementsofPSOisanalyzedinthisthesis.BasedontheanalysisoncharacteristicsofPSO,thealgorithmissummarized.Thee
6、xperiencedsettingsofparametersarealsogiven.Inthethesis,thepresentproductionsofPSOaresummarizedandcompared.Secondly,basedontheprincipleofparticleswarmoptimizationanalysis,therealizationofaTSPbasedontheimprovedparticleswarmoptimizationalgorithm:SolvingtheTSPhybridparticleswarmalgo
7、rithm,combinedwithgeneticalgorithm,antcolonyalgorithmandsimulatedannealingalgorithmtosolvetheTravelingSalesmanProblem.Finally,thenewParticleSwarmOptimizationisusedtoemulateintwoofTSPexample:buram14andoliver30andobtainedsatisfactoryresults.Keywords:ParticleSwarmOptimizationTravel
8、ingSalesmanProblemHybridParticleSwarmOptimizati
