当前位置:主页 > 科技论文 > 自动化论文 >

蚁群算法、遗传算法及二者融合后在TSP应用中的对比研究

发布时间:2018-12-27 09:15
【摘要】:旅行商问题作为组合优化问题的典型代表,很多问题都可以转化为该问题求解。随着优化理论在各行各业的广泛应用,寻找旅行商问题的最优解成为研究重点。论文以求解旅行商问题的最短巡回路径为主要研究对象,首先介绍了求解旅行商问题的背景和研究现状,阐述了蚁群算法和遗传算法以及二者融合后的原理,并建立了它们的数学模型和求解旅行商问题的步骤。在此基础上,对三种算法在TSP中的应用进行了如下研究:1、对蚁群算法、遗传算法以及二者融合后最优的参数选取进行了分析;2、在参数选取最优的情况下改变TSP的规模用三种算法分别对最短路径距离的寻优进行仿真实验;3、对三种算法在不同规模上的寻优结果进行对比分析。实验结果表明,求解TSP的最短巡回路径,当TSP规模较小时,三种算法的寻优效果没有明显的优劣之分;随着TSP规模的扩大,将蚁群算法与遗传算法融合后,寻优效果明显好于两种算法单独运算时的求解效果。
[Abstract]:As a typical representative of combinatorial optimization problems, many problems can be transformed into solving them. With the wide application of optimization theory in various industries, finding the optimal solution of traveling salesman problem becomes the focus of research. In this paper, the shortest itinerant path of traveling salesman problem is taken as the main research object. Firstly, the background and research status of solving traveling salesman problem are introduced, and the ant colony algorithm and genetic algorithm and the principle of merging them are expounded. Their mathematical models and the steps to solve the traveling salesman problem are established. On this basis, the application of the three algorithms in TSP are studied as follows: 1. The ant colony algorithm, genetic algorithm and the optimal selection of parameters after the fusion of the ant colony algorithm and genetic algorithm are analyzed. 2. Under the condition of optimal parameter selection, three algorithms are used to simulate the optimization of the shortest path distance by changing the scale of TSP; 3, the optimization results of the three algorithms on different scales are compared and analyzed. The experimental results show that there is no obvious difference between the three algorithms when the scale of TSP is small for solving the shortest circuit path of TSP. With the expansion of the TSP scale, the combination of ant colony algorithm and genetic algorithm is better than the solution of the two algorithms alone.
【学位授予单位】:山西师范大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP18

【参考文献】

相关期刊论文 前10条

1 陈亚云;韩文涛;崔鹤平;;遗传算法与蚁群算法的改进融合[J];中国农机化学报;2014年04期

2 于莹莹;陈燕;李桃迎;;改进的遗传算法求解旅行商问题[J];控制与决策;2014年08期

3 任海艳;陈飞翔;;自适应遗传算法的改进及在曲线化简中的应用[J];计算机工程与应用;2012年11期

4 代桂平;王勇;侯亚荣;;基于遗传算法的TSP问题求解算法及其系统[J];微计算机信息;2010年04期

5 刘青凤;李敏;;基于遗传算法的TSP问题优化求解[J];计算机与现代化;2008年02期

6 徐红梅;陈义保;刘加光;王燕涛;;蚁群算法中参数设置的研究[J];山东理工大学学报(自然科学版);2008年01期

7 田贵超;黎明;韦雪洁;;旅行商问题(TSP)的几种求解方法[J];计算机仿真;2006年08期

8 陈文兰;戴树贵;;旅行商问题算法研究综述[J];滁州学院学报;2006年03期

9 高海昌;冯博琴;朱利b;;智能优化算法求解TSP问题[J];控制与决策;2006年03期

10 徐精明,曹先彬,王煦法;多态蚁群算法[J];中国科学技术大学学报;2005年01期

相关博士学位论文 前1条

1 王超学;遗传算法和蚁群算法及其在TSP问题和配电网重构问题中的应用研究[D];西安理工大学;2007年

相关硕士学位论文 前10条

1 孙晶;改进的混合型蚁群算法及其应用[D];中北大学;2014年

2 刘锦;混合遗传算法和模拟退火算法在TSP中的应用研究[D];华南理工大学;2014年

3 杨溪;改进遗传算法和蚁群算法在电力系统问题中的应用研究[D];太原理工大学;2013年

4 初雪宁;自适应记忆遗传算法研究及在TSP问题中的应用[D];东北大学;2012年

5 王娜;一种改进的遗传算法求解TSP问题[D];东北师范大学;2010年

6 汪松泉;遗传算法在组合优化中的应用研究[D];安徽大学;2010年

7 蒋荣;遗传算法在TSP问题上的应用[D];合肥工业大学;2009年

8 李薇;遗传算法及其在TSP问题中的应用研究[D];贵州大学;2008年

9 孙海雷;改进的遗传算法求解TSP问题[D];重庆大学;2007年

10 林志毅;改进的遗传算法求解TSP问题[D];武汉理工大学;2006年



本文编号:2392840

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2392840.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c8cf8***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com