基于城市权重的蚁群算法及其在TSP中的应用

发布时间：2017-09-09 06:15

  本文关键词：基于城市权重的蚁群算法及其在TSP中的应用

  更多相关文章： 城市权重 蚁群算法 TSP 信息素

【摘要】：蚁群算法在解决NP-C问题时展现出了较强的适用性,但收敛速度慢,容易陷入局部最优解的缺陷却没有得到较好解决。于是,提出了一种基于城市权重的蚁群算法ACAWC(Ant Colony Algorithm based on the Weight of City)。改进后的算法通过利用城市距离在整个城市网中所占比重来协调启发信息作用,同时应用双重赌盘算法和双重随机性的思想,增强了跳出局部最优解的概率,并改进了依据路径贡献度的信息素更新机制,加快了算法的收敛速度。仿真实验表明,ACAWC算法求得的最优解比基本蚁群算法提高了10%~15%,同时也一定程度地提高了收敛速度。
【作者单位】： 贵州大学大数据与信息工程学院;
【关键词】： 城市权重 蚁群算法 TSP 信息素
【基金】：贵州省合作计划项目(No.[2014]7002) 贵州大学研究生创新基金项目(No.2016069)~~
【分类号】：TP18
【正文快照】： 0引言 TSP(Traveling Salesman Problem)问题又称旅行商问题或最短路径问题。通常可以描述为:已知N个城市及相互间的距离,旅行商从某城市出发访问各城市且仅访问一次后再回到原点的一条最短巡回路径。作为典型的NP-C问题,旅行商问题已被广泛应用于车间作业调度、网络路由布设，

本文编号：818769