共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
并行二进制蚁群算法的多峰函数优化 总被引:1,自引:0,他引:1
针对已有蚁群算法在函数优化问题上存在的几个不足:如算法实现较难,占用过多的存储空间,需要记忆功能,不容易与其他算法结合等等,提出了二进制蚁群算法。实验证明该算法在处理单极值问题时有较好的表现,但是在处理多峰函数时存在着一定的缺陷,对此,论文对该算法进行了改进,将并行化引入算法。通过对几个函数的测试(包括多峰和单峰),结果表明该改进算法具有较好的稳定性和收敛速度,算法性能良好。 相似文献
3.
本文根据影响并行蚁群算法性能的关键因素,提出了一种自适应的并行蚁群算法.首先提出了基于适应度和基于距离选择的两种不同的信息交流策略,使得各处理机自适应地选择与之进行信息交换的处理机,然后采用自适应的更新策略进行信息素的更新.为了增强该算法的搜索能力,还根据解的多样性给出了自适应地调节处理机之间的信息交流周期的方法.在MPP处理机深腾1800上对TSP问题的实验结果表明了该算法在保证有效的加速比的同时,具有很好的收敛性. 相似文献
4.
姚宝珍 《模式识别与人工智能》2007,20(4)
蚁群算法是一种模拟进化算法,具有很强的全局搜索能力.本文提出一种自适应的并行蚁群算法(A-PACO),该算法可以根据不同的搜索阶段,自适应确定参数的最优组合,在一定程度上避免停滞现象的出现并加速算法收敛.而且自适应的迁移策略可以较大丰富系统多样性的同时也较大降低子蚁群间的通信量,有效提高算法的搜索质量和缩短算法的运行时间.最后选用中国CHN144问题对该算法进行检验,结果显示该算法具有较好的稳定性和较快的收敛速度. 相似文献
5.
6.
7.
蚁群算法是新兴的仿生进化算法,具有并行计算、正反馈等特点,与其它各种启发式算法相比该算法具有明显的优越性。该文将实现蚁群算法的并行化,并用来求解TSP问题,结果证明能显著提高蚁群算法的收敛速度。 相似文献
8.
9.
10.
共享信息素矩阵:一种新的并行ACO方法 总被引:7,自引:0,他引:7
提出并实现了一种新的蚁群优化(ACO)并行化策略SHOP(Sharing one pheromone matrix). 主要思想是基于多蚁群在解的构造过程和信息素更新过程中共享同一个信息素矩阵. 以ACS和MMAS的SHOP并行实现为例, 简要描述了SHOP 设计思想和实现过程, 尝试了ACS和MMAS并行混合. 以对称TSP测试集为对象, 将SHOP的实现与相应串行算法在相同计算环境下的实验结果比较, 以及与现有的并行实现进行比较, 结果表明SHOP并行策略相对于串行ACO及现有的并行策略具有一定的优势. 相似文献
11.
12.
13.
蚁群优化算法的研究和应用已取得了不少重要成果,然而在大规模优化应用中还存在搜索时间长的问题,为此研究了一种基于细粒度模型的并行蚁群算法。实验结果表明,该算法与最新的改进算法相比,搜索速度提高数十倍至数百倍以上。 相似文献
14.
15.
16.
17.
针对模糊控制器控制精度不高、自适应能力有限等问题,提出一种变论域自适应模糊控制方式.首先在对离散蚁群算法改进的基础上,提出用于连续域寻优的多层蚁群算法.其通过将解空间分成有限网格,并且算法在迭代过程中采用三个阶段的搜索策略,每个阶段采用异构搜索机制.然后根据系统性能利用改进算法动态调整伸缩因子,从而构成基于多层蚁群算法的变论域自适应模糊控制器.最后将此控制器用于中厚板液压位置伺服系统中.仿真结果表明,采用自适应模糊控制器的伺服系统收敛速度明显加快,此控制策略在适应能力与鲁棒性好于其它控制方式. 相似文献
18.
19.
车辆路径问题是物流配送中一个至关重要的问题。由于它是一个NP-Hard问题,启发式算法成为求解VRP的主要方法。蚁群算法是近年来发展起来的一种可以用来求解VRP的启发式算法。实验证明,该方法能够很好地解决车辆路径问题。本文详细阐述了蚁群算法的基本原理和求解VRP的蚁群算法过程。 相似文献