| 求解TSP 问题的模式学习并行蚁群算法 |
| |
| 引用本文： | 萧蕴诗,李炳宇,吴启迪.求解TSP 问题的模式学习并行蚁群算法[J].控制与决策,2004,19(8):885-888. |
| |
| 作者姓名： | 萧蕴诗 李炳宇 吴启迪 |
| |
| 作者单位： | 同济大学,电子与信息工程学院,上海,200092 |
| |
| 基金项目： | 国家自然科学基金资助项目(70271035，60104004)，国家973子项目(2002CB312202)，上海市启明星计划资助项目(03QG14053). |
| |
| 摘 要： | 针对大规模旅行商问题(TSP)会遇到计算时间过长以及计算效率降低的问题，将并行计算和模式学习引入蚁群算法，通过各个节点机提取模式，在各节点问筛选和交流优良模式，以改变计算粒度，达到缩短计算时间、提高计算效率的目的．实验结果表明该算法取得了较好的效果。
|
| 关 键 词： | 旅行商问题 蚁群算法 模式学习 并行策略 |
| 文章编号： | 1001-0920(2004)08-0885-04 |
| 修稿时间： | 2003年8月4日 |
Parallel model-learning ant colony optimization algorithm for TSP |
| |
| XIAO Yun-shi,LI Bing-yu,WU Qi-di.Parallel model-learning ant colony optimization algorithm for TSP[J].Control and Decision,2004,19(8):885-888. |
| |
| Authors: | XIAO Yun-shi LI Bing-yu WU Qi-di |
| |
| Abstract: | For large-scale traveling salesman problems (TSP), a new ant colony optimization (ACO) is proposed by integrating parallel computation and model-learning into ACO. The new ACO can reduce the computing time and get better results by screening out, exchanging good model and changing computing granularity. Simulation result (demonstrates) that the improved algorithm can achieve good performance. |
| |
| Keywords: | TSP ant colony optimization model-learning parallelization strategy |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
