共查询到20条相似文献,搜索用时 140 毫秒
1.
姜长元 《计算机工程与应用》2007,43(32):62-64
根据蚁群算法信息素更新的特性,提出了求解旅行商问题的混合信息素递减的蚁群算法。把基本蚁群的三种不同的信息素更新方式混合在一起,同时提出了信息素递减更新的方法。新的更新方式避免了蚂蚁在寻找最优解的过程中,由于禁忌表元素的逐渐增加而限制蚂蚁巡游路径选择的缺点,减少了巡游后期信息素对于后继蚂蚁的影响,提高了后继蚂蚁的巡游质量。仿真实验表明了该混合算法的有效性。 相似文献
2.
基于觅食-返巢机制连续域蚁群算法 总被引:3,自引:0,他引:3
蚁群算法求解函数问题,人工蚂蚁的搜索范围和信息素浓度更新速度直接影响到是否能够获得全域最优解。为了获得更加稳定且准确的全域最优解,受自然蚂蚁觅食后返巢行为的启发,提出了具有觅食-返巢机制的蚁群算法。该算法主要通过增大人工蚂蚁的搜索范围以及加快信息素浓度的更新速度进行改进。通过函数测试,结果表明:觅食-返巢连续域蚁群算法相比于以往的遗传算法和连续域蚁群算法,能够得到更好的计算结果和运行时间。因此觅食-返巢机制使得蚁群算法求解全域最优解的能力获得了提高。 相似文献
3.
针对蚁群算法易陷入局部最优及收敛速度较慢的问题,提出一种带混沌扰动的模拟退火蚁群算法。引入模拟退火机制及混沌系统,分别对基本蚁群算法中的蚂蚁种群搜寻范围以及信息素设定与更新进行改进,提高蚁群算法全局搜索能力。使用该算法与基本蚁群算法同时求解TSP这一经典组合优化问题,对两种算法的求解性能进行对比分析。仿真结果表明,该算法的求解精度及求解效率都明显优于基本蚁群算法。 相似文献
4.
蚁群优化是一种元启发式的随机搜索技术.信息素是蚁群进行交流并实现群集智能的媒介,所以信息素的更新策略一直是蚁群算法中的一个研究热点.针对信息素扩散的耦合特征,提出一种基于信息素扩散模型解耦控制策略的蚁群算法.对信息素扩散模型进行改善,建立以蚂蚁经过的路径(直线段)为信源的信息素扩散模型,通过分析信息素扩散浓度场的耦合性,引入去耦控制策略来修正信息素的更新公式,大量TSP(traveling salesman problem)问题的实验表明:该算法不仅能获得更好的解,而且能加快算法的收敛速度. 相似文献
5.
针对传统蚁群算法容易出现早熟和停滞现象的缺陷,提出一种改进的蚁群算法。该方法基于径向基函数,先遴选出一部分蚂蚁对其路径上的信息素进行更新,再挑出最差蚂蚁进行更新。将该算法用于求解旅行商问题进行计算机仿真,结果表明,该算法的寻优能力和收敛速度均得到较大提高。 相似文献
6.
针对基本双种群蚁群算法在进化中容易出现早熟、停滞的现象,对算法进行了改进.在双种群蚁群分别独立进化、定期进行信息交换的基础上,提出一种新的蚁群优化算法,通过建立信息素扩散模型,并在每种蚁群的局部信息素更新上采用扩散模型,使蚂蚁更好的发挥了协作能力.以旅行商(Travel Salesman Problem,TSP)问题为例的仿真实验表明,该算法比基本双种群蚁群算法具有更好的收敛速度和寻优能力. 相似文献
7.
8.
9.
针对蚁群算法收敛速度慢、易陷入局部极小的不足,在并行蚁群算法的基础上,改进组间蚂蚁沟通交流方式,并提出一种自适应分组策略,在算法运行过程中,每过一定迭代次数,将蚂蚁的组数减半,每组蚂蚁的数量倍增,直至为一组蚂蚁。每次蚂蚁组数减半时,采用一种组间信息素融合规则更新留存组蚂蚁路径信息素。通过一个配电网网架优化问题的实例进行实验,仿真结果表明改进算法在收敛速度和寻优方面都有所提升。 相似文献
10.
针对基本蚁群算法的不能更好地模拟真实蚂蚁觅食和局部收敛等现象,提出一种用于求解旅行商问题(TSP)的改进蚁群算法,该算法将信息素的更新与挥发算法做了改进,从而能够更好的模拟真实蚂蚁,并且有效的提高了搜索效率。仿真结果证明了该算法的有效性和可行性。 相似文献
11.
基于蚁群算法在路径规划过程中出现收敛速度慢、易陷入局部最优,且在复杂环境下的寻优能力弱等缺陷,提出了一种适用于机器人路径规划的改进蚁群算法。在预规划路径基础上建立初始信息素矩阵,避免算法前期盲目搜索,提高搜索速度;将改进蚁群算法和A*算法进行有机融合,进一步提高蚁群算法搜索方向性和收敛速度。制定信息素更新规则时引入拐点评价函数,提高搜索路径的光滑性,提高机器人安全性和降低能耗;提出回退策略有效减少蚂蚁死亡数量,提高路径规划方法的鲁棒性。仿真实验表明,在相同的环境下,改进的蚁群算法在机器人路径规划中搜索效率和收敛速度明显优于其他算法。 相似文献
12.
牟廉明 《计算机工程与应用》2012,48(20):46-50
在蚁群算法中,如何有效处理加速收敛和出现早熟、停滞现象的矛盾一直是一个困难的问题。通过引入拥挤度来加强搜索过程中蚂蚁之间的协调和配合,提出了一种基于拥挤度的参数自适应蚁群算法。该算法采用提前主动预防早熟的策略,将拥挤度嵌入到蚁群算法的状态转移和信息素更新过程中,让局部信息素更新参数随局部搜索状态自适应地调整,全局信息素更新参数随全局搜索状态自适应地调整,大大提高了算法全局搜索能力和自适应能力,同时采用了一种简单有效的变异算法来加快收敛速度。用多个TSPLIB范例进行比较实验,结果表明,改进算法无论是求解质量、稳定性以及收敛速度都有显著提高。 相似文献
13.
结合捕食搜索策略对多态蚁群算法进行改良。该算法引入以下机制:在人工蚁选择路径阶段,设置侦查素路径为优先,为非侦查素路径设置惩罚因子;利用权值在侦查素和非侦查素路径都施加信息素,通过该机制避免多态蚁群算法陷入停滞;在每轮人工蚁最优结果的邻域应用捕食搜索策略,并通过竞争机制选择最优解更新信息素。通过TSP的仿真实验结果表明,提出的融合算法可以有目的地指导信息素分布,加快算法向最优解的收敛速度及提高最优解质量,克服传统多态蚁群算法的缺陷。 相似文献
14.
15.
由于传统蚁群算法基于正反馈机制的单一搜索方式,导致其存在收敛速度慢、易陷入局部极值的缺点.针对该问题提出一种基于混合反馈机制的扩展蚁群算法(MF-ACO),该算法在传统蚁群算法的基础上定义一种具有较强全局搜索能力的扩展型蚂蚁,帮助算法跳出局部极值;参考蚁群劳动分工行为,设计基于刺激-响应分工模型的负反馈平衡机制,动态平衡算法的收敛能力和全局搜索能力;最后依据分工模型对蚂蚁个体的信息素更新策略进行改进,进一步加快算法收敛速度.以多个TSP实例作为测试对象进行仿真实验,实验结果验证了所提算法的优越性,并将该算法用于机器人路径规划问题,在实际应用中进一步验证了所提算法的有效性. 相似文献
16.
用传统蚁群算法进行机器人路径规划具有收敛速度慢,容易陷入局部最优等缺点。为此,通过模拟蚂蚁的感觉特征,提出了一种具有感觉适应功能的蚁群算法,并应用到机器人路径规划中。算法设置蚂蚁的感觉能力随着在高强度信息素节点上的行走而降低,在快速收敛的同时保证搜索多样性。大量仿真实验表明,该算法有较强的搜索能力,不易陷入局部最优,即使在障碍非常复杂的环境下使用该算法,也能快速收敛到一条全局优化路径。 相似文献
17.
18.
以多模式资源受限项目调度问题(Multi-mode Resource Constrained Project Scheduling Problem, MRCPSP)为背景,针对蚁群算法收敛速度和解的多样性之间的平衡问题,提出一种改进的自适应混合蚁群算法。该算法中参数的取值范围和变化幅度能够随算法的运行同步自适应调整,蚂蚁在取值区间内随机取参形成混合蚁群;在算法中引入先驱侦查蚁、带有排名因子的精英蚁群奖励机制和信息素上下限以优化信息素的更新策略。同时,对于MRCPSP问题中的工期不确定问题,基于模糊理论,利用该算法解出项目工期的估计值和模糊区间加以解决。最后,仿真结果表明,该算法与其他启发式项目调度优化算法相比,能够提高收敛速度和解的质量,较好地解决MRCPSP问题,因此有着较高的实际应用价值。 相似文献
19.
针对蚁群算法收敛速度慢、易陷入局部最优等问题,结合人工蜂群算法的分级思想,提出动态分级的双蚁态蚁群算法。根据适应度不同,将蚁群划分为寻优蚁和侦查蚁,并执行不同加权系数的动态信息素更新策略:寻优蚁负责较优路径的搜索,执行较大权重的信息素更新策略,以增强其导向性,提高算法收敛速度。侦查蚁则负责探索非较优路径,发现其他更优解,以保证算法多样性。然后,每次迭代结束则两类蚂蚁进行优良解交换,以提高解的质量。以旅行商问题为例,将其与经典蚁群算法、最新蚁群改进算法以及其他最新优化算法进行对比,其表现皆更优。 相似文献
20.
针对蚁群算法搜索初期收敛速度慢和容易陷入局部最优的问题,对蚁群算法进行改进.在初始化阶段,采用贪心策略构造次优路径并增加该路径上的信息素浓度,实现不同路径上信息素的初始分配,使信息素在搜索初期就能发挥指导性作用,让蚂蚁更快地趋向于最优解的附近;在迭代寻优过程中,引入遗传变异操作,对每次迭代后的最优路径作变异操作,尝试寻... 相似文献