一种基于监工机制的改进蚁群算法.pdf

一种基于监工机制的改进蚁群算法.pdf

ID:51210463

大小:316.75 KB

页数:5页

时间:2020-03-21

一种基于监工机制的改进蚁群算法.pdf_第1页
一种基于监工机制的改进蚁群算法.pdf_第2页
一种基于监工机制的改进蚁群算法.pdf_第3页
一种基于监工机制的改进蚁群算法.pdf_第4页
一种基于监工机制的改进蚁群算法.pdf_第5页
资源描述:

《一种基于监工机制的改进蚁群算法.pdf》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15卷第2期解放军理工大学学报(自然科学版)Vo1.15No.22014年4月JournalofPLAUniversityofScienceandTechnology(NaturalScienceEdition)Apr.2014一种基于监工机制的改进蚁群算法朱会杰,王新晴,张红涛,赵洋,李艳峰(1.解放军理32大学野战工程学院,江苏南京210007;2.防空兵学院,河南郑州450052)摘要:针对基本蚁群算法存在收敛速度慢、易陷入局部最优解等问题,受监工机制的启发,提出了监工蚁群算法,以监工距离作为评价标准,自适应地选择优良的蚂蚁更新信息素,提高了每次迭代

2、中解的质量,指导之后的蚂蚁进行更好的学习。该算法选用优化的全局更新策略,使得信息素在进化前期增加较多,在后期增加较少;同时,自适应地将信息素的值限定在一定范围内,防止某条路径被选择的概率过大或者过小。该算法还添加了发散和收敛机制,当算法陷入局部最优解时,增加探索的概率,有助于跳出局部最优解。仿真结果表明,监工蚁群算法具有较高的全局寻优能力,减少了迭代次数,增强了算法的稳定性。关键词:蚁群优化算法;监工机制;自适应;局部搜索;旅行商问题中图分类号:TP18DOI:1O.3969/j.issn.1009—3443.2013.10.310Newantcolonyo

3、ptimizationalgorithmbasedonsupervisorymechanismZHUHuijie,WANGXinqing,ZHANGHongtao。,ZHAOYang,LIyanfeng(1.CollegeofFieldEngineering,PLAUniv.ofSci.&Teeh.,Nanjing210007,China;2.PLAAirDefenseForcesCollege,Zhengzhou450052,China)Abstract:Givensuchproblemsasslowconvergencespeedandpremature

4、convergenceexistinginbasiccolo—nyoptimizationalgorithm,andenlightenedbysupervisorymechanism,thesupervisorantcolonyoptimiza—tion(SACO)algorithmwasintroduced.Withthesupervisorydistanceasanevaluationcriterion,SACOself-adaptivelyadoptedexcellentantstOupdatepheromonetrails,thusimproving

5、thesolutionqualitiesofeachiteration,andabetterguidewasmadefortheantslater.Theoptimizedglobalpheromonetrailstrate—gYwasselectedintheprophaseoftheevolutioninSACO,andthepheromonetrailwasaddedmore,whereasintheanaphasethepheromonetrailwasaddedless.Moreover,thepheromonetrailwasadaptively

6、limitedtoacertainrange,avoidingtheselectingprobabilityofapathbeingtoolargeortoosmal1.WhentheSACOconvergestOanoptimalsolution,theexploringprobabilityisadaptivelyincreased,whichhelpstojumpoutofthelocaloptimalsolution.ThesimulationexperimentsshowthatSACOnotonlyobtainsstableandoptimals

7、olutionsbutalsoenhancestheconvergencespeed.Keywords:antcolonyoptimization(ACO)algorithm;supervisorymechanism;self—adaptive;localsearch;travelingsalemanproblem(TSP)蚁群算法是一种应用于组合优化问题的启发式泛用于解决NP(non—deterministicspolynomia1)问搜索算法,该算法能够在较少的初始条件下,通过启题,如网络通信、多目标分配、机器人路径规划、数据发式搜索、全局优化迅速获得全

8、局最优解,具有鲁棒挖掘、参数辨识、图像处理等卜。由于

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。