一种动态挥发率和启发式修正的蚁群优化算法
刘 全, 陈 浩, 张永刚, 李 娇, 张沈斌,
2012, 49(3):
620-627.
摘要
(
295 )
HTML
(
0)
PDF (1652KB)
(
410
)
相关文章 |
计量指标
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.