激励机制改进蚁群优化算法用于全局路径规划 |
| |
引用本文: | 田延飞,黄立文,李爽.激励机制改进蚁群优化算法用于全局路径规划[J].科学技术与工程,2017,17(20). |
| |
作者姓名: | 田延飞 黄立文 李爽 |
| |
作者单位: | 武汉理工大学,武汉理工大学,深圳市腾讯计算机系统有限公司 |
| |
基金项目: | 国家科技支撑计划项目(2015BAG20B05);中央高校基本科研业务费专项资金项目(武汉理工大学自主创新基金项目)(2014-JL-010) |
| |
摘 要: | 为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。
|
关 键 词: | 交通工程 改进蚁群优化算法 激励机制 全局路径规划 |
收稿时间: | 2017/1/2 0:00:00 |
修稿时间: | 2017/2/25 0:00:00 |
Incentive Mechanism Based Improvement of Ant Colony Optimization for Global Route Planning |
| |
Affiliation: | Wuhan University of Technology,Wuhan University of Technology,Wuhan University of Technology |
| |
Abstract: | |
| |
Keywords: | traffic engineering improved ant colony optimization incentive mechanism global route planning |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|