采用序优化的改进蚁群算法20759

《采用序优化的改进蚁群算法20759》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第44卷第2期西安交通大学学报V01．44N022010年2月JOURNALOFXI7ANJIAOTONGUNIVERSITYFeb．2010采用序优化的改进蚁群算法张兆军h2，冯祖仁1’2，任志刚h2(1．西安交通大学系统工程研究所，710049，西安；2．西安交通大学机械制造系统工程国家重点实验室，710049，西安)摘要：为了评价蚁群算法在有限时间内所得优解的质量，基于序优化方法提出了一种改进的蚁群算法：使用盲目挑选规则选择初始解，并对信息素进行相应的初始化；确定得到满足要求的优解所需要的

2、迭代次数，将其作为算法的终止条件；为了更好地利用每次迭代中的优解，在算法开始阶段使用前1个迭代优解更新信息素，以增强探索能力；在算法结束阶段采用当前迭代最优解更新信息素，以加快收敛速度．改进算法在保证收敛的前提下，并没有增加算法的时间复杂度．对旅行商问题进行的仿真实验表明，改进算法在解的质量和收敛速度方面优于最大一最小蚂蚁系统．关键词：蚁群算法；序优化；盲目挑选；旅行商问题中图分类号：TPl8文献标志码：A文章编号：0253—987X(2010)02—0015—05NovelAntColonyOptim

3、izationAlgorithmBasedonOrderOptimizationZHANGZhaojunl一，FENGZurenl一，RENZhigan91，2(1．SystemsEngineeringInstitute，Xi’anJiaotongUniversity，Xi’an710049，China；2．StateKeyLaboratoryforManufacturingSysternsEngineering，Xi’anJiaotongUniversity，Xi’an710049，China)Abs

4、tract：Toevaluatethequalityofoptimalsolutionsobtainedbytheantcolonyoptimization(ACO)algorithminlimitedtime，animprovedACOalgorithmispresentedonthebasisoftheor—dinaloptimization．Aninitialsolutionisselectedusingtheblindpickingrule，andthepheromoneisinitialize

5、dcorrespondingly．ThenumberofiterationstoachievetheoptimalsolutionmeetingthedemandiSthendeterminedandiSusedastheterminationconditionofthealgorithm．Tomakebetteruseofthesolutionsobtainedateachiteration，thefirstlsolutionsareemployedtoenhancesearchcapabilitya

6、tthebeginningphaseofthealgorithm．WhilethecurrentoptimalsolutionisusedattheendphaseofthealgorithmtOacceleratetheconvergence．ThetimecomplexityofthenovelalgorithmiSnotincreasedundertheconditionthatensurestheconvergence．Simulationre-suitsonthetravelingsalesm

7、anproblemshowthattheproposedalgorithmissuperiortothernax-minantsysteminboththequalityofsolutionsandthespeedofconvergence．Keywords：antcolonyoptimization；ordinaloptimization；blindpicking；travelingsalesmanproblem蚁群算法[1]是一种仿生随机优化算法，已被成功应用于旅行商问题(TSP)、二次分配、网络路

8、由、属性约简[2]等问题的求解，具有鲁棒性、正反馈、分布式计算和易与其他算法结合等优点．然而，现有方法也存在一些不足，如初期搜索时间偏长，容易陷入局部最优解等．为此，学者们提出了很多改进算法，例如使用局部更新策略和全局更新策略的蚁群系统[3]，限制信息素的上、下界并使用最优解更新策略的最大一最小蚂蚁系统(max-minantsystem，MMAS)[4]等．此外，文献[5]受神经网络和遗传算法的启发，提出了一种二进制蚁群进化算法；文献[63