一种求解旅行商问题的进化多目标优化方法

发布时间：2021-09-02 12:20

　　为了克服传统小生境（Niching）策略中的参数设置难题,提出一种求解旅行商问题的进化多目标优化方法:建立以路径长度和平均离群距离为目标的双目标优化模型,利用改进非支配排序遗传算法（NSGAII）进行求解.为了在全局探索能力与局部开发能力之间保持平衡,算法中采用一种使路径长度相同的可行解互不占优的评价策略,并通过一种新的离散差分进化算子和简化的2-Opt策略生成候选解.与已有算法的数值试验结果比较表明,求解旅行商问题（TSP）的改进非支配排序遗传算法（NSGAII-TSP）能够更好地保持种群多样性,从而克服局部最优解的吸引并具有更鲁棒的全局探索能力.通过借助特殊的个体评价策略,所提出的算法可以更好地进行全局优化,甚至同时得到多个全局最优解. 

【文章来源】：控制与决策. 2019,34(04)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 TSP问题及其双目标优化模型
    1.1 TSP问题
    1.2 多目标优化问题
    1.3 求解TSP问题的双目标优化模型
2 求解TSP问题的多目标进化算法
    2.1 基于城市顺序编码的离散差分进化策略
    2.2 2-Opt局部搜索策略
    2.3 求解TSP问题的NSGAII
3 数值试验
    3.1 求解RSTSP的数值试验结果
    3.2 求解USTSP的数值试验结果
4 结论


【参考文献】：
期刊论文
[1]一种求解旅行商问题的新型帝国竞争算法[J]. 张鑫龙,陈秀万,肖汉,李伟.  控制与决策. 2016(04)
[2]新型蚁群算法在TSP问题中的应用[J]. 张弛,涂立,王加阳.  中南大学学报(自然科学版). 2015(08)
[3]求解TSP问题的离散狼群算法[J]. 吴虎胜,张凤鸣,李浩,梁晓龙.  控制与决策. 2015(10)
[4]仿生蚊子追踪算法[J]. 冯翔,张进文,虞慧群.  计算机学报. 2014(08)
[5]求解TSP问题的快速蚁群算法[J]. 申铉京,刘阳阳,黄永平,徐铁,何习文.  吉林大学学报(工学版). 2013(01)
[6]求解TSP的人工萤火虫群优化算法[J]. 周永权,黄正新.  控制与决策. 2012(12)
[7]混合量子差分进化算法及应用[J]. 任子武,熊蓉,褚健.  控制理论与应用. 2011(10)
[8]一种求解TSP的混合遗传蚁群算法[J]. 徐金荣,李允,刘海涛,刘攀.  计算机应用. 2008(08)
[9]求解TSP的量子遗传算法[J]. 王宇平,李英华.  计算机学报. 2007(05)
[10]一种求解旅行商问题的交叉禁忌搜索(英文)[J]. 杨宁,田蔚风,金志华.  系统仿真学报. 2006(04)



本文编号：3378999