改进状态转移策略的蚁群算法求解TSP问题

发布时间：2021-06-16 13:43

　　针对蚁群算法在求解TSP问题中易出现算法易早熟难收敛的问题,基于历史搜索信息提出了一种改进状态转移策略的蚁群算法,并引入自适应信息素更新机制引导信息素的更新。实验表明,改进的蚁群算法较传统蚁群算法改善了在求解TSP问题上易早熟难收敛的问题,求解效果和求解稳定性上提升显著。 

【文章来源】：青岛大学学报(自然科学版). 2019,32(01)

【文章页数】：5 页

【文章目录】：
1 TSP问题
2 改进的蚁群算法
    2.1 改进的状态转移策略
    2.2 信息素更新
3 算法模拟与结果分析
    3.1 实验数据
    3.2 约束项设计分析
    3.3 改进蚁群算法与传统蚁群算法性能比较
4 结论


【参考文献】：
期刊论文
[1]改进细菌觅食算法在TSP问题中的应用[J]. 宋尧,叶桦,仰燕兰.  工业控制计算机. 2018(08)
[2]求解旅行商问题的改进蚁群算法研究[J]. 张于贤,丁修坤,薛殿春,王晓婷.  计算机工程与科学. 2017(08)
[3]基于人工免疫改进的搬运机器人蚁群路径规划[J]. 张岩岩,侯媛彬,李晨.  计算机测量与控制. 2015(12)
[4]一种基于粒子群参数优化的改进蚁群算法[J]. 李擎,张超,陈鹏,尹怡欣.  控制与决策. 2013(06)
[5]基于蚁群算法和神经网络的数控机床故障诊断技术研究[J]. 吴冬敏,邵剑平,芮延年.  机械设计与制造. 2013(01)
[6]基于改进蚁群算法的服务组合优化[J]. 夏亚梅,程渤,陈俊亮,孟祥武,刘栋.  计算机学报. 2012(02)
[7]粒子群和蚁群融合算法的自主清洁机器人路径[J]. 杨惠,李峰.  计算机工程与应用. 2009(32)
[8]求解TSP问题算法综述[J]. 王剑文,戴光明,谢柏桥,张全元.  计算机工程与科学. 2008(02)
[9]旅行商问题算法研究综述[J]. 陈文兰,戴树贵.  滁州学院学报. 2006(03)
[10]具有变异特征的蚁群算法[J]. 吴庆洪,张纪会,徐心和.  计算机研究与发展. 1999(10)



本文编号：3233178