首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
针对量子进化计算中反馈信息利用不充分并容易早熟的不足,将量子进化计算与及蚂蚁寻优策略融合,提出了一种新的优化方法—混合量子进化算法(HQEA).以量子染色体表示智能蚂蚁所有可能的搜索路径,初始阶段采用量子进化学习,设计了智能蚂蚁网络及衔接算子,进化学习所得结果表示智能蚂蚁路径选择的概率,并利用蚁群寻优策略继续搜索求精确解.理论证明该算法具有全局收敛性.最后以背包问题对算法进行了测试.  相似文献   

2.
提出一种基于改进蚁群算法的多序列比对方法。该算法改变了信息素的更新方式、字符的选择方法、蚂蚁在蚁巢和食物之间往返搜索以及随机分配蚂蚁开始序列等。实验结果表明,改进后的算法不仅有效地克服了基本蚁群多序列比对算法中的停滞现象,而且即使在运行的后期,仍然能以极大的概率搜索较好解。  相似文献   

3.
基本蚁群优化(Basic Ant Colony Optimization,BACO)算法在进化中容易出现停滞,其根源是蚁群算法中信息的正反馈.在大量蚂蚁选择相同路径后,该路径上的信息素浓度远高于其他路径,算法很难再搜索到邻域空间中的其他优良解.对此,提出一种双种群改进蚁群(Dual Population Ant Colony Optimization,DPACO)算法.借鉴遗传算法中个体多样性特点,将蚁群算法中的蚂蚁分成两个群体分别独立进行进化,并定期进行信息交换.这一方法缓解了因信息素浓度失衡而造成的局部收敛,有效改进算法的搜索性能,实验结果表明该算法有效可行.  相似文献   

4.
蚁群算法在搜索引擎系统中的应用研究   总被引:2,自引:0,他引:2  
蚁群算法是Marco Dorigo等学者在真实蚂蚁觅食行为的启发下提出的一种群智能优化算法。为了优化搜索引擎系统中的搜索代价,文中采用理论分析和实验相结合的方式,研究了蚁群算法在搜索引擎系统中的应用。提出了基于蚁群算法的搜索引擎算法,并设计了适合该算法的搜索引擎系统。从理论上阐述了蚁群算法的开放性和自我动态调整性对搜索引擎系统的适应,在此基础上分析了蚁群搜索引擎算法的优点。实验仿真证明了该算法的有效性和优越性。  相似文献   

5.
蚁群算法中蚂蚁更新方法之研究   总被引:1,自引:0,他引:1       下载免费PDF全文
蚁群算法是根据蚂蚁的觅食行为而提出的随机优化算法,但其存在早熟收敛和搜索精度低等问题。模拟生物克隆选择中5%的B细胞自然消亡过程,在蚁群算法进化过程中分别基于代间差分、混沌理论、变异原理等方法设计了8种蚂蚁更新算法,按照模拟退火方法进行更新后蚂蚁的选择。通过数值试验得出结论:基于代间差分和混沌变异的蚂蚁更新算法是一种很好的选择,并且当性能较差的20%左右蚂蚁按照这种算法更新时效果较好。这种算法可以有效克服蚁群算法的早熟现象,能够加快收敛速度。  相似文献   

6.
一种改进蚁群算法求解最短路径的应用   总被引:1,自引:0,他引:1  
蚁群算法是一种新型的启发式模拟进化算法,为求解各种复杂的组合问题提供了一种新的思路.虽然蚂蚁个体没有智能,但群体蚂蚁可以通过信息素(pheromone)进行互相交流进而协调工作.自从Marco Dorigo根据蚂蚁觅食的过程,首次提出了蚁群算法并且应用于求解最短路径问题以来,针对蚁群算法的研究一直都没有停止.通过对信息素更新策略、局部搜索算法、随机选择概率三个方面的改进,提高算法的全局最优搜索能力和收敛性.实验结果表明,改进算法有较好的性能.  相似文献   

7.
用于多维函数优化的实数编码量子蚁群算法*   总被引:1,自引:1,他引:0       下载免费PDF全文
基于量子计算理论及蚂蚁群体寻优策略,提出了一种用于连续优化问题的新方法——实数编码量子蚁群算法(RQACOA)。针对量子比特编码和二进制编码在连续优化问题上的不足,引入一种新的实数编码表示方法,设计了智能量子蚂蚁,一条染色体携带指定范围内的多个个体信息。智能量子蚂蚁利用量子态纠缠和相干机理,通过叠加、变异及自学习来完成前期进化过程,然后以蚂蚁群体智能寻优方式进一步求解。实验结果表明,该算法具有强的全局寻优能力及快速搜索能力。  相似文献   

8.
刘闻  别红霞 《软件》2013,(12):256-259
针对噪声图像边缘检测问题,提出了一种基于改进蚁群算法的边缘检测方法。算法对蚁群算法收敛速度慢,易收敛于局部最优解的缺点进行了优化,引入了改进的蚂蚁生命周期策略,综合考虑像素邻域差和图像边缘曲线连续性等因素来确定启发式引导函数,在蚂蚁搜索起始点的选取、蚂蚁路径选择策略、信息素更新策略、启发因子的选择等方面提出了优化,实验证明,算法在收敛速度和边缘检测效果上相比传统蚁群算法有了较明显的改善,是一种较为有效的边缘检测方法。  相似文献   

9.
针对基本蚁群算法中蚂蚁速度无限且信息素同步更新的情况,该文提出了基于智能蚁群信息素释放的资源查找算法。该算法以蚂蚁的速度有限为前提,采用面向信息素更新规则来调整各个蚂蚁的信息素浓度,从而间接地改变蚂蚁间合作方式。根据实际蚁群的寻路过程,该算法具有较好的全局搜索能力,对于查找初始化数据量庞大的网格GIS资源有着高于基本蚁群算法和其他资源搜索算法的效率。  相似文献   

10.
用蚁群算法进行多模函数优化时,容易陷入局部最优,从而影响了寻优精度和收敛速度。因此提出了一种用于求解连续空间优化问题的分组蚁群算法。该算法将连续空间优化问题的定义域划分成若干个子区域,并给每个子区域分配一组蚂蚁。每组蚂蚁在各自的区域里进行搜索,且在搜索过程采用“精英策略”并利用精英蚂蚁更新普通蚂蚁的位置信息,以加快算法的收敛速度。同时,当普通蚂蚁离精英蚂蚁之间的距离较长时,使用大步长搜索,以加快搜索速度,反之,采用小步长搜索,可提高搜索过程的精细程度。该方法使每组蚂蚁的搜索空间成倍地缩小并能有效地改善陷入局部最优的情况,从而能使收敛速度和精度大幅提高。计算机的仿真实验结果证实了这一结论。  相似文献   

11.
蚁群算法和遗传算法的融合是目前的研究热点之一,因此研究不同的遗传蚁群融合算法对算法的选择及其改进具有积极的意义.研究了遗传算法的编码方式、交叉方式及变异操作和蚁群算法的原理,且着重研究了遗传蚁群混合算法、蚁群遗传混合算法、同遗传算法整合的蚁群算法等三种融合算法,并应用这三种算法在求解航迹规划问题上进行了仿真研究,对所得的最优解从精度和快速性对其进行了分析和比较,可以得出遗传蚁群算法快速性最好但精度稍差,同遗传算法整合的蚁群算法精度最好但比较费时,蚁群遗传算法的精度和快速性介于前两种算法之间.  相似文献   

12.
基于遗传算法的混合蚁群算法   总被引:1,自引:0,他引:1       下载免费PDF全文
提出了一种新的求连续空间最优值的蚁群算法。结合遗传算法和蚁群算法各自的优点以及两种算法融合基础,提出了遗传算法融入到蚁群算法融合中的两种新策略,第一种策略是先利用遗传算法具有比较强的全局搜索能力,在大范围内寻找一组解,然后以此为基础,用蚁群算法快速寻找最优解X*best;另一种策略是利用遗传算法交叉操作产生蚁群算法中的新旅行路径,以此提高蚁群算法的全局搜索能力。用上述策略构造两个基于遗传算法的混合遗传算法。用测试函数Rosenbrock和测试函数Shubert验证了混合蚁群算法的正确性。  相似文献   

13.
针对蚁群系统(Ant Colony System,ACS)容易陷入局部最优和收敛速度较慢的不足,提出了自适应模糊蚁群系统(AF-ACS)用于旅行商问题(TSP)。该算法的核心是引入模糊隶属度和信息熵的概念,AF-ACS将以信息熵为概率,自适应地对ACS引入模糊隶属度,以平衡算法的种群多样性与收敛速度之间的关系。算法早期引入模糊隶属度的概率较小,保证算法的多样性;算法后期引入模糊隶属度的概率较大,提高算法的收敛速度。通过与ACS和ECACS(Entropy-based Adaptive Chaotic Ant Colony Algorithm)进行14种不同规模的TSP测试集实验对比,AF-ACS以较少的迭代次数取得最优解或较优解。从而证明了AF-ACS的可行性与高效性。  相似文献   

14.
动态混沌蚁群系统及其在机器人路径规划中的应用   总被引:1,自引:0,他引:1  
李娟  游晓明  刘升  陈佳 《计算机应用》2018,38(1):126-131
针对蚁群系统(ACS)解决机器人路径规划问题时种群多样性与收敛速度的不足,对蚁群系统引入动态混沌算子,从而平衡种群多样性和收敛速度之间的关系。动态混沌蚁群系统的核心是在传统蚁群系统引入Logistic混沌算子来增加种群多样性,从而提高解的质量。在迭代前期加入混沌算子,以调整路径中的全局信息素值,增加算法的种群多样性,从而避免算法陷入局域优化解;在后期则转为蚁群系统,来确保动态混沌蚁群系统的收敛速度。仿真结果表明,对于机器人路径规划问题,与蚁群系统相比,动态混沌蚁群系统具有更好的种群多样性、更高的解的质量和更快的收敛速度;与精英蚁群系统(EAS)和基于排序的蚂蚁系统(ASrank)相比,动态混沌蚁群系统能够平衡解的质量与收敛速度之间的关系,即使在复杂障碍物的环境下,动态混沌蚁群系统也能较好地找到最优解。动态混沌蚁群系统能够提升移动机器人路径规划中的效率。  相似文献   

15.
This paper presents a new variant of Ant Colony Optimization (ACO) for the Traveling Salesman Problem (TSP). ACO has been successfully used in many combinatorial optimization problems. However, ACO has a problem in reaching the global optimal solutions for TSPs, and the algorithmic performance of ACO tends to deteriorate significantly as the problem size increases. In the proposed modification, adaptive tour construction and pheromone updating strategies are embedded into the conventional Ant System (AS), to achieve better balance between intensification and diversification in the search process. The performance of the proposed algorithm is tested on randomly generated data and well-known existing data. The computational results indicate the proposed modification is effective and efficient for the TSP and competitive with Ant Colony System (ACS), Max-Min Ant System (MMAS), and Artificial Bee Colony (ABC) Meta-Heuristic.  相似文献   

16.
基于改进型蚁群算法的最优路径问题求解   总被引:1,自引:0,他引:1       下载免费PDF全文
如何高效的向用户提供最优路径是蚁群算法大规模应用于导航系统的关键问题,针对现有最优路径问题研究中蚁群算法收敛速度慢及容易发生停滞的缺点,利用A*算法的启发式信息改进蚁群算法的路径选择策略,加快算法收敛速度.同时引入遗传算法的双种群策略和蚁群系统信息素更新策略,增加全局搜索能力,避免算法出现停滞现象.仿真实验结果表明,该改进算法具有较好的稳定性和全局优化性,且收敛速度较快.  相似文献   

17.
蚁群算法的参数分析   总被引:10,自引:0,他引:10       下载免费PDF全文
蚁群算法(ACS)是一种新型的分布式模拟进化算法,它有较强的解搜索能力、很好的适应性和鲁棒性等,但如果算法中各参数选择不当,则会使算法的运行时间变长,或者陷于局部最优,达到停滞状态。恰当的参数选择,可以使蚁群算法有较好的性能,较快地收敛到全局较优解。以TSP问题为例,通过采用不同参数匹配进行优化的数值实验,分析了算法中参数α、β、ρ对算法性能的影响,给出了一定指导性的建议。  相似文献   

18.
求解度约束最小生成树的改进ACS算法   总被引:1,自引:1,他引:0       下载免费PDF全文
王志杰  全惠云 《计算机工程》2009,35(21):195-196
针对蚂蚁系统算法求解度约束最小生成树时收敛速度慢和早熟问题,提出一种改进的蚁群系统算法UDA-ACS。该算法在保留蚁群系统算法优点的基础上,通过增大能见度的影响力、采用动态负反馈机制和赋予不同初始信息素的方法解决上述问题。理论分析和实验结果证明,该算法的求解质量和速度比蚂蚁系统算法更优越。  相似文献   

19.
王运涛  姚砺  毛力 《计算机仿真》2009,26(12):151-153
针对传统蚁群算法求解能力的不足,提出了一种基于混合行为的自适应蚁群算法(HBACA).通过引入具有多行为的混合蚂蚁来扩大解搜索空间,避免早熟和停滞现象;另外在每次迭代过程中具有不同行为的蚂蚁数目可以视具体情况而动态地进行调整,以便在加速收敛和防止早熟、停滞现象之间取得一个较好的平衡.实验表明,相比ACS、MMAS算法,改进算法求解TSP问题的性能得到了加强.  相似文献   

20.
顾军华  赵秀丽  谭庆 《计算机应用》2007,27(11):2763-2765
提出用蚁群算法来解决物理空间约束下的物化视图选择问题,算法中应用信息素的局部和全局更新,并对每次迭代的最优解进行局部搜索,最终得出合理的解决方案。实验结果表明,应用蚁群算法可以有效地解决物化视图选择问题,并且其求解性能优于遗传算法。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号