GA与改进蚁群算法在TSP问题上的性能比较.pdf

与改进蚁群算法在侍馍系男阅鼙冉摘要:陋传算法与蚁群算法均属于仿生学搜索算法,本文采用由信息熵控制的路径选择及随机扰动策略实周书敬,李彦苍籶遗传算法虺艫窃诜抡嬉糯Ш妥匀谎≡窕淼娜斯し绞较构建的一类简洁的、容错性强的全局性并行概率搜索算法,它是求解组合爆炸问题的一种通用的较为有效的方法【保溆肽:А⑸”,后来,⒔徊妗⒈湟臁⑾孕和倒位等算予,且明确提出了的概念,..通过大量模型的计算,,标志遗传算法进入了现代发展阶段.】闛霭皇椋於讼执糯惴ǖ..籭了、‘届全国决策科学/,克服了蚁群算法的不足,给出了改进蚁群算法为了比较在求解复杂组合优化问题上的算法性能,通过对具有典型·性的侍獾那蠼夂头抡娼峁冉希得髁嗽赥问题上,改进蚁群算法在计算精度和收敛速度上较都有所提高,是一种求解复杂组合优化问题的具有广阔应用前景的方关键词糯惴ǎ灰先核惴ǎ桓慕先核惴ǎ盒阅鼙冉希宦眯猩涛侍猓恍畔㈧曲四川成都,年籌加法、觭琽猅琀,:,,甌痵籄籭;
㈦、指派问题眑和序列排序、背包问题、数据特征聚类交通运输、工业设计等领域【,解决了许多问题,如函数优化绕涫俏拊际蚯溆呕组合优化问题、自动化控制中的参数优化问题、机器学台与多种等研究了的时间复杂度,远喾逯滴侍庋芯苛薌氖樟菜俣群吐嘲粜忍岢龆嗦氲牟呗裕岣吡怂惴ǖ木ǘ榷逰岢种群方法,,被广泛应用于工业、经济管理、具有以下优点:饩鲇呕侍獾囊恢纸衔Mㄓ玫乃惴ㄇ乙子氪撤椒如单纯形法、下降梯度法、牛顿法、黄金分割法等蛳执呕椒如人工神经网络、模拟退火或其它启发式算法岷希在优化对象上,传统优化算法是针对决策变量,故每次只能对一个方案进行操作,而是对变量的编码操作,表面上可对龇桨竿辈僮鳎涫凳嵌詍方案操作,ⅲ且恢志有“生成觳狻牡阉魉惴ǎ砺凵鲜侨ň质樟驳某多点概率搜索且理论上找到全局最优解的概率为但现实中因为遗传算予选择不当,不易实现以全概率找到全局最优是一种鲁棒性较强的智能搜索算法,:@眩别是多约束条件的处理至今仍是一难题,⑸怕实奶跫拢婊亍⒚挥兄傅地迭代搜索,不可避免的产生了退化的可能,有时,⒈湟算子相对固定,,改进的核一蠖际且勒兆匀灰糯ā⒀≡竦乃枷耄⒁恢只票Vび良个体被复制,同时避免交叉、.,【浚盟惴ㄍü斯つD饴煲纤咽彻讨懈鎏逦实男息交流与相互协作,最终找到从蚁巢到食物源最短路径