改进蚁群算法求解TSP问题研究

发布时间：2021-05-24 08:02

　　针对基本蚁群算法存在的收敛速度慢,易停滞等不足,提出一种新的算法改进策略。对初始信息素引入距离信息,并根据蚂蚁构建的路径质量,引入正负反馈机制对各路径信息素进行自适应差异化更新,使算法在对较优路径信息充分利用的同时,也保持着较好的全局搜索能力,避免了算法的过早停滞;同时对每次循环中的最优路径引入局部搜索策略,实现了对可行解的进一步优化。结合多个不同规模TSP问题的仿真实验表明了该改进算法的可行性和有效性。 

【文章来源】：机械设计与制造. 2019,(10)北大核心

【文章页数】：6 页

【文章目录】：
1 引言
2 求解旅行商问题的基本蚁群算法
    2.1 旅行商问题的描述
    2.2 基本蚁群算法模型
3 蚁群算法的改进
    3.1 初始信息素的改进
    3.2 差异化信息素更新策略
    3.3 局部搜索策略
    3.4 改进蚁群算法步骤
4 仿真试验及结果
5 结论


【参考文献】：
期刊论文
[1]改进蚁群算法的阀控液压缸模糊PID参数优化[J]. 李杨,李岩舟.  机械设计与制造. 2018(07)
[2]基于遗传-蚁群算法的装配序列规划研究[J]. 孟冠军,杨大春.  组合机床与自动化加工技术. 2018(04)
[3]基于改进蚁群算法的移动机器人路径规划研究[J]. 王志中.  机械设计与制造. 2018(01)
[4]蚁群算法及其应用综述[J]. 乔东平,裴杰,肖艳秋,周坤.  软件导刊. 2017(12)
[5]求解柔性机器人车间调度问题的混合蚁群算法[J]. 杨煜俊,陈业.  计算机工程与应用. 2018(13)
[6]改进的蚁群与粒子群混合算法求解旅行商问题[J]. 汪冲,李俊,李波,张粤.  计算机仿真. 2016(11)
[7]基于蚁群神经网络的两级信息融合算法[J]. 吕红芳,顾幸生.  上海交通大学学报. 2016(08)
[8]改进蚁群算法的多约束质量最优路径选择[J]. 马荣贵,崔华,薛世焦,郭璐,袁超.  西安电子科技大学学报. 2016(03)
[9]基于吸引场的蚁群算法在TSP中的应用[J]. 王雷,李明,刘志虎.  江苏大学学报(自然科学版). 2015(05)
[10]一种面向对象的多角色蚁群算法及其TSP问题求解[J]. 杜鹏桢,唐振民,孙研.  控制与决策. 2014(10)



本文编号：3203858