蚁群算法与遗传算法在TSP中的对比研究

本文首先论述了求解TSP的基本原理,建立了TSP的数学模型,应用Matlab对传统蚁群算法和传统遗传算法求解TSP进行了对比研究.实验结果表明,当城市个数较少,距离较近时,蚁群算法和遗传算法均能找到最优解,且蚁群算法收敛速度快.当城市个数较多且距离较远时,运用本文中的算法,蚁群算法仍然能找到最优解,而遗传算法没有最优解.     

一种求解旅行商问题的演化算法研究

旅行商(TSP)问题是一个被证明具有NP计算复杂性的组合优化问题.郭涛算法在求解TSP问题的高效率是得到广泛认可的,其算法的核心在于Inver-over算子的设计.当节点数量较多时,该算法在寻找近似最优解仍然有很好的表现,但其寻找全局最优解的能力却会下降.提出的基于基因片段插入的演化算法,它能以较高的概率找到TSP问题的最优解.文中提出一种新的演化算法,将基于基因片段插入与Inver-over算子进行融合.实验证明:新算法可有效防止解的早熟,增强了算法的全局搜索能力,使算法获得全局最优解的概率大大提高,同时仍然具备高效率的特性.     

融入遗传算子的蚁群算法求解TSP问题

提出一种融入遗传算子（Genetic Operator）的蚁群算法（ACAGO）求解旅行商问题（TSP）．蚁群算法（Ant Colony Algorithm）是一种受自然界蚂蚁群体觅食行为启发而提出的进化计算算法,并且已经在求解TSP问题上成功地应用．然而,基本的蚁群算法存在收拟速度慢,容易陷入局部最优等不足．ACAGO算法通过使用遗传算法的交叉算子和变异算子扩大解的局部搜索空间,而选择算子则可以使好的解集的信息素的浓度得到增强,加快了算法的收敛速度．文章对ACAGO算法的执行过程进行了说明并且给出了具体的实现方案,同时通过TSP PLib上的测试样例将该融入遗传算子的蚁群算法和基本的蚁群算法进行了比较．比较结果表明了本文的新的ACAGO算法具有更大的优势,它不但能使算法求解到更好的解,而且加快了算法的收敛速度．     

协同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题(Travel Salesman Problem,简称TSP问题)时,往往产生不满足TSP的单回路约束的不可行解.基于协同神经网络的方法解决TSP,并设计了一个回路合并算法,确保得到满足TSP的单回路约束的解.通过算例进行数值模拟,并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果.实验结果表明,说明该方法在求解TSP 问题上是行之有效的.     

求解TSP问题的并集搜索的新宏启发算法

利用TSP问题解的概率统计模型，分析了TSP问题的局部最优解并集的性质，发现局部最优解的并集规模较小且包含了绝大多数全局最优解的边．利用该性质，将局部最优解并集作为启发集，并调用局部搜索算子在其上求解TSP问题，由此得到一种称为并集搜索的新宏启发算法．利用该算法还改进了目前广泛使用的求解TSP问题的算法ILK、LKH，在TSPLIB中典型实例上的实验结果表明，新算法在解的质量上有了较显著的提高．     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

基于自适应层次谱聚类与遗传优化的TSP算法

提出一种基于自适应层次谱聚类与遗传优化的算法求解大规模TSP,算法首先构建一种自适应相似矩阵,并应用到谱聚类算法中实现城市的初步聚类,当聚类城市规模超过设定阈值,用上述自适应谱聚类算法进行层次聚类,直到每类城市规模均小于阈值;其次,采用结合了最近邻与禁忌思想的改进遗传算法求解GTSP,得类间最短回路;最后,用改进遗传算法求解每类城市群的最优解,综合类间GTSP最短回路以及类内TSP最优解,即得大规模旅行商问题的最优解.实验结果表明,该算法能够取得相对较优解且求解效率显著提高.     

一种求解TSP问题的混合遗传算法

解旅行商问题(TSP)局部寻优较好的算子有opt的各种形式(2-opt,3-opt等)以及Lin-Kernighan(LK)。然而,opt的各种形式的局部搜索算子都难较精细地对个体邻域进行搜索;LK的复杂性高,通常较少使用。鉴于此,本文将单点插入算子(SI)、交换算子(Swap)引入TSP问题的局部搜索,并结合2-opt,组成了一种局部搜索算子集合。同时,将上述算子集合嵌入遗传算法,从而形成混合遗传算法,用于求解TSP问题。通过对国际通用的TSPLIB中不同城市规模的数据进行测试,对比5种算法解的质量,结果证明该混合遗传算法是有效性的。     

应用知识进化原理求解背包问题的算法研究

以知识进化论哲学思想为基础,提出一种应用知识进化原理求解背包问题的算法(简称为KP-KEA),利用Banach压缩映射原理证明了算法的全局收敛性.该算法使用传承算子来传承知识库中的优秀知识个体,利用创新算子来产生新知识个体,利用更新算子来更新知识库,在它们的共同作用下实现知识的进化,最后从知识库的最优知识个体中获取背包问题的最优解.实例表明,该算法在求解背包问题时取得了良好的效果,其收敛速度和最优解的质量均优于常用的遗传算法.该算法同样适用于其他约束优化问题的求解.     

遗传算法求解TSP问题的MATLAB实现

以遗传算法求解旅行商问题（TSP）为例,提出一种改进的交叉和变异算子,深入讨论了各个遗传算子的程序实现,并给出其算子的MATLAB程序编码,最后用5个城市的非对称TSP进行仿真分析.结果表明,改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的,证实TSP问题是遗传算法得以成功应用的典型例子.     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

用改进的遗传算法求解中国旅行商问题

遗传算法是基于生物进化原理的普适性全局优化算法，针对一类ＮＰ完全的组合优化问题－旅行商问题，提出用交换算子操作和模拟退火思想对遗传算法进行改进，显著提高了算法的优化效率，到目前为止，中国旅行商问题的最优解是１５４２６ｋｍ，使用改进的遗传算法，仅利用城市间的距离信息求解中国诱行商问题，得到了１５４０９ｋｍ的更优结果。     

A gene-pool based genetic algorithm for TSP

Based on the analysis of previous genetic algorithms (GAs) for TSP, a novel method called Ge- GA is proposed. It combines gene pool and GA so as to direct the evolution of the whole population. The core of Ge- GA is the construction of gene pool and how to apply it to GA. Different from standard GAs, Ge- GA aims to enhance the ability of exploration and exploitation by incorporating global search with local search. On one hand a local search called Ge- Lo-calSearch operator is proposed to improve the solution quality, on the other hand the modified Inver-Over operator called Ge- InverOver is considered as a global search mechanism to expand solution space of local minimal. Both of these operators are based on the gene pool. Our algorithm is applied to 11 well-known traveling salesman problems whose numbers of cities are from 70 to 1577 cities. The experiments results indicate that Ge- GA has great robustness for TSP. For each test instance, the average value of solution quality, found in accepted time, stays within 0. 001% from the optimum. Foundation item: Supported by the National Natural Science Foundation of China (70071042, 60073043, and 60133010) Biography: Yang Hui ( 1979-), female, Master candidate, research direction; evolutionary computation.     

引入适应值曲面结构的小生境遗传算法初探

遗传算法是一种有效的全局优化算法 ,但存在收敛速度慢和早熟收敛的缺陷。本文提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和受控交叉算子GC ,定性地分析了它们的作用机制。引入适应性PLS和GC的改进遗传算法在不增加计算开销的前提下 ,其全局收敛速度和可靠性显著地优于标准遗传算法 ,并具有良好的鲁棒性和稳定性     

一维全局最优问题的改进遗传算法

遗传算法是一种借鉴自然界生物自然选择和自然遗传机制的高度并行、随机及自适应的搜索算法,该算法对一般的全局最优有良好的鲁棒性。但是,对非线性较强的函数,简单的遗传算法的收敛速度较慢,稳定性差。本文提出了一种新操作：一点交换和两点交换相结合、普通变异和大变异相结合的操作。理论证明和数值计算结果表明,该算法是有效的。     

TSP的等价解及其对免疫遗传算法的干扰

以群论的观点考察货郎担问题(TSP)的等价解.指出在利用免疫遗传算法求解TSP问题时,采用平均信息量的方法计算亲和度是不合理的,并且传统的交叉算子存在缺陷.依据群论的观点,提出一种新方法计算亲和度,并提出两种新的交叉算子.     

基于相似度的可变编码长度遗传算法

遗传算法是基于生物进化原理的普适性全局优化算法。分析了编码长度对遗传算法的影响，提出相似度的概念以评价交叉操作的效率，并提出一种基于相似度的可变编码长度的遗传算法。改进方法不仅具有以任意精度达到全局最优值的能力，而且可以显著提高遗传算法的效率。测试函数的应用证明了改进算法的有效性。     

将启发性信息引入遗传算法的一个思路及实现

针对遗传算法提出了一个将启发性信息引入该算法的具体方案,即根据所处理的具体问题（ＴＳＰ）,在初始群体和遗传操作中均体现出优势物种的基本结构,并将该基本结构与遗传操作紧密结合．上机实验结果表明,该方案能较好地解决一定规模的ＴＳＰ问题．为凿岩机器人的孔序规划打下了良好的理论基础．     

实数遗传算子的作用与改进

从解空间的角度简单分析了实数遗传算子的作用；为更好地发挥变异开拓解空间的作用，设计了非重复一致变异方法，并从释放数值空间的角度提出了一种自适应群体置换策略以提高算法的搜索效率，各种改进方法通过对测试函数的寻优进行验证。