登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种动态挥发率和启发式修正的蚁群优化算法
  • 摘要

    群体智能的研究为分布式控制和优化提供了更好的方法,以蚁群算法为代表的群体智能已经得到了大量的研究,并广泛应用于组合优化领域.但是在求解组合优化问题特别是在求解规模较大的问题时,收敛速度慢、易于停滞等现象仍然制约算法的广泛应用.为此,提出了DEAHACO算法,该算法提出动态挥发率机制,用以更好地平衡求解效率和求解质量之间的矛盾,避免算法陷入局部最优;同时,为了加快算法的收敛速度,对启发式信息进行了重新定义,以指导算法快速收敛;最后,引入了边界对称变异策略对迭代结果进行对称变异,既提高了变异效率,也改进了变异质量.实验表明,该算法与其他算法相比,其收敛速度提高了20%以上,同时算法在其他一些经典的TSP问题上也表现出很好的性能.

  • 作者

    刘全  陈浩  张永刚  李娇  张沈斌  Liu Quan  Chen Hao  Zhang Yonggang  Li Jiao  Zhang Shenbin 

  • 作者单位

    苏州大学计算机科学与技术学院 江苏苏州 215006/蒙彼利埃第二大学 法国蒙彼利埃34095

  • 刊期

    2012年3期 ISTIC EI PKU

  • 关键词

    蚁群优化  动态挥发率  启发式修正  变异算法  大规模优化组合 

参考文献
查看更多︾
相似文献 查看更多>>
3.214.224.224