蚁群算法研究及前景

发布时间：2017-10-22 19:15

  本文关键词：蚁群算法研究及前景

  更多相关文章： 蚁群算法 参数 TSP

【摘要】：蚁群算法(ACA)是一种优秀的启发类分布进化算法,对处理组合优化类问题具有极佳的效果。分布式与正反馈机制使得弱小的个体能够与种群联系起来,从而解决复杂的问题。本文简单介绍了算法的原理,描述以及参数的影响。文末列举了该算法在实际生活中的应用及其前景。
【作者单位】： 北方工业大学;
【关键词】： 蚁群算法 参数 TSP
【基金】：2016年北方工业大学大学生科技活动项目
【分类号】：TP18
【正文快照】： 1引言仿生学的飞速发展,生物的行为模式给了人类研究学者很大的启发,他们便由此提出了解决像NP类复杂问题的新颖方法。蚁群算法(ACA)是一个成功的例子。它是一种基于蚂蚁觅食行为的仿生进化算法,M.Dorigo等人在1991年首次提出了这个算法。蚁群中的蚂蚁在觅食过程中会在其经过

【相似文献】

中国期刊全文数据库 前10条

1 马坤;于海平;彭启山;;改进的遗传模拟退火算法在TSP中的应用[J];武汉科技大学学报(自然科学版);2006年03期

2 于海平;;一种改进的遗传模拟退火算法在TSP中的实现[J];福建电脑;2007年06期

3 乔彦平;张骏;;基于一种改进遗传模拟退火算法的TSP求解[J];计算机仿真;2009年05期

4 周鹏;;求解TSP的启发式顺序交叉算子[J];计算机工程与设计;2007年08期

5 王曙霞,葛东媛;一种TSP求解的人工免疫遗传算法[J];孝感学院学报;2005年03期

6 王胜训;李艳颖;;一种求解TSP的自适应蚁群优化算法[J];西安工程大学学报;2013年06期

7 黄欢;熊盛武;;一种双近邻表示的演化算法解决TSP[J];武汉理工大学学报;2006年10期

8 卿翊轩,康立山,陈毓屏;基于基因库求解TSP的改进的反序—杂交算法[J];计算机工程与应用;2005年07期

9 秦姝;王锦彪;;狭义TSP小窗口蚁群算法研究[J];计算机工程与应用;2008年12期

10 伍国华;马满好;;路径交叉检测与消除方法和邻节点置换方法改进TSP的解[J];计算机应用研究;2011年02期

中国重要会议论文全文数据库 前5条

1 吕新全;曹风雨;李军;陈再蓉;阿米娜;吐尼沙;吉利力;李惠翔;;乳腺浸润性导管癌中TSP表达、微血管密度维汉差异的研究[A];中华医学会病理学分会2005年学术年会论文汇编[C];2005年

2 裴宗平;韩宝平;郝红艳;罗云建;王浩正;;扫描电镜分析在徐州市大气颗粒物(TSP)源解析中的应用研究[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

3 陈俊栋;刘继滨;苏有财;李苍松;;关于断层的TSP测试数据后分析的讨论[A];2009’中国西部地区声学学术交流会论文集[C];2009年

4 廖代强;马力;向波;;重庆市区能见度与TSP关系的变化分析[A];第五届全国优秀青年气象科技工作者学术研讨会学术论文集[C];2002年

5 江雪丰;周希瑗;程玲;;TSP—1在早期糖尿病大鼠视网膜的表达及意义[A];中华医学会第十二届全国眼科学术大会论文汇编[C];2007年

中国重要报纸全文数据库 前1条

1 中国联通研究院网络技术研究中心泛在网组网络技术研究中心 张凤全　记者 赵艳秋、李映 整理;通信运营商最有实力成为TSP[N];中国电子报;2011年

中国硕士学位论文全文数据库 前8条

1 刘程;TSP中Pb的常规监测技术探讨及其在昌吉市的应用[D];昌吉学院;2016年

2 许策;TSP隧道代理实现及安全增强型技术研究[D];哈尔滨工业大学;2014年

3 巴洪涛;DVS系统RTSP服务器软件设计与实现[D];浙江大学;2010年

4 王野;微波消解法—快速测定TSP大气颗粒物中的铅含量[D];吉林大学;2012年

5 关巍;可信软件栈中TSP的研究与应用[D];东北大学;2010年

6 吴荣纲;TSP肥料用氯化铵在马来西亚销售策略研究[D];河北工业大学;2014年

7 谢岚;“TSP功能性预混料”对苏太猪肉质性能、氨基酸和微量元素的影响研究[D];湖南农业大学;2007年

8 赵前程;乌鲁木齐市低空下道路两侧TSP及其铅污染特征研究[D];新疆农业大学;2006年

，

本文编号：1079708