基于信息素的自适应连续域混合蚁群算法

发布时间：2018-01-14 17:38

本文关键词：基于信息素的自适应连续域混合蚁群算法　出处：《计算机工程与应用》2017年06期 　论文类型：期刊论文

【摘要】：针对连续域混合蚁群算法(HACO)易陷入局部最优和收敛速度较慢的问题,提出了基于信息素的自适应连续域混合蚁群算法(QAHACO)。首先提出了一种新的解更新方式,对档案中的解进行信息素挥发,扩大了搜索范围,提高了算法的全局搜索能力,并且自适应地调整信息素挥发速率,更好地平衡收敛速度和收敛精度,其次采用了一种信息分享机制,将当前解与其他所有解的平均距离和当前解与至今最优解的距离相结合,进一步加快收敛速度。通过对测试函数进行仿真实验,结果表明,和连续域蚁群及其改进算法相比,QAHACO算法的寻优能力明显提高,寻优速度有一定的优势。
[Abstract]:In order to solve the problem of continuous domain hybrid ant colony algorithm (HACO), it is easy to fall into local optimum and slow convergence speed. An adaptive continuous domain hybrid ant colony algorithm based on pheromone is proposed. Firstly, a new solution updating method is proposed, which volatilizes the solution in the file and expands the search range. It improves the global searching ability of the algorithm and adaptively adjusts the volatilization rate of pheromone to balance the convergence rate and convergence precision better. Secondly an information sharing mechanism is adopted. Combining the average distance of the current solution with all other solutions and the distance between the current solution and the optimal solution, the convergence rate is further accelerated. Compared with the continuous domain ant colony and its improved algorithm, the optimization ability of QAHACO algorithm is obviously improved, and the optimization speed has some advantages.
【作者单位】：江南大学物联网工程学院;轻工过程先进控制教育部重点实验室(江南大学);
【基金】：国家自然科学基金(No.61402203) 江苏省普通高校研究生科研创新计划项目(No.KYLX15_1169) 江苏高校优势学科建设工程资助项目
【分类号】：TP18
【正文快照】： 1引言1992年Dorigo受蚁群觅食行为的启发,第一次提出了蚁群算法AS(Ant System)[1]。蚁群算法是一种启发式优化算法,虽然可以得到问题的初步优化结果,但1.江南大学物联网工程学院,江苏无锡2141222.轻工过程先进控制教育部重点实验室(江南大学),江苏无锡2141221.School of Inter

【相似文献】