改进狼群算法求解旅行商问题

发布时间：2022-12-10 08:04

　　为了找到一条最短路径,并克服传统算法在路径规划中不适合离散域求解以及收敛速度慢等问题,提出一种改进的狼群算法。通过在初始化阶段引入位置—次序编码的方法,研究了离散域的路径优化;同时在迭代过程中引入二次搜索来提高算法求解速度与精度,以实现在达到最大迭代次数前出现最优解。结果表明,改进的狼群算法相比已有的算法求解精度更高,收敛速度更快,更加有效地避免陷入局部最优。可见改进狼群算法可以很好地应用于求解最优路径规划问题。 

【文章页数】：4 页

【文章目录】：
1 狼群算法的概述
2 改进狼群算法求解路径规划
    2.1 改进狼群算法求解路径规划原理
    2.2 改进狼群算法的描述
        2.2.1 狼的位置—次序编码过程
        2.2.2 适应度的确定
        2.2.3 二次搜索策略
3 改进狼群算法的仿真实验及分析
    3.1 实验结果
        3.1.1 Dantzig42问题
        3.1.2 Eil51问题
        3.1.3 Berlin52问题
    3.2 实验分析
4 结束语


【参考文献】：
期刊论文
[1]基于差分进化的改进狼群算法研究[J]. 王盈祥,陈民铀,程庭莉,盛琪,董龙昌,李哲.  计算机应用研究. 2019(08)
[2]一种改进量子行为粒子群优化算法的移动机器人路径规划[J]. 刘洁,赵海芳,周德廉.  计算机科学. 2017(S2)
[3]改进遗传模拟退火算法在TSP优化中的应用[J]. 何庆,吴意乐,徐同伟.  控制与决策. 2018(02)
[4]一种改进的狼群算法[J]. 惠晓滨,郭庆,吴娉娉,赵昱.  控制与决策. 2017(07)
[5]基于人工蜂群算法的柔性工艺与车间调度集成优化[J]. 宋栓军,杨佩莉,石雯丽.  计算机应用. 2017(02)
[6]基于量子狼群进化的多目标汇聚节点覆盖算法[J]. 金杉,金志刚.  电子与信息学报. 2017(05)
[7]一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用[J]. 游晓明,刘升,吕金秋.  控制与决策. 2017(03)
[8]求解PFSP的双种群协同学习算法[J]. 亓祥波,朱云龙,张丁一.  控制与决策. 2017(01)
[9]多配送中心车辆路径问题的狼群算法[J]. 叶勇,张惠珍.  计算机应用研究. 2017(09)
[10]求解指路标志指引路径规划问题的改进人工蜂群算法[J]. 郑健,黄敏,张腾,刘芳.  计算机应用研究. 2017(08)

硕士论文
[1]基于群体智能优化的AGV路径规划算法研究[D]. 荀燕琴.吉林大学 2017
[2]改进的遗传算法求解TSP问题的应用与研究[D]. 葛海明.江西理工大学 2016



本文编号：3716389