ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

一种求解TSP的自适应蚁群优化算法

王胜训; 李艳颖西安电子科技大学
西安工程大学学报2013-12-25
8阅读
引用收藏
分享

摘要

针对标准蚁群算法在求解旅行商问题(TSP)时存在收敛速度慢,易陷入局部最优等缺陷,提出一种自适应蚁群优化算法.该算法设计了一种实时监测机制和一种新的搜索方向,实时监测机制可以让算法跳出局部最优值,并且当算法跳出局部最优值时,沿着新的搜索方向搜索,可以加快算法收敛到全局最优.通过对典型的TSP实例仿真实验,与基本蚁群算法、MMAS算法相对比,结果显示该算法在克服早熟现象和收敛速度方面有很大的优越性.

学科与关键词

关键词
蚁群算法旅行商问题(TSP)组合优化 ant colony algorithmtravelling salesman problem(TSP)combination optimization
相关
加载中…
  • 蚁群算法、遗传算法及微粒群算法在TSP中的对比研究
    张宇; 姚海霞; 唐丹洋; 钟晓娟; 蔡燕数码世界, 2019, (12): 255-256.
  • An Improved Ant Colony Optimization Based on an Adaptive Heuristic Factor for the Traveling Salesman Problem
    Du, Pengzhen*; Liu, Ning; Zhang, Haofeng; Lu, JianfengJOURNAL OF ADVANCED TRANSPORTATION, 2021, 2021: 6642009.被引 11
  • 改进自适应蚁群算法的移动机器人路径规划
    徐玉琼; 娄柯; 李婷婷; 高文根Journal of Electronic Measurement and Instrument, 2019, (10): 89-95.
查看全部 →

发表信息

论文状态
公开发表
期刊
西安工程大学学报
发表日期
2013-12-25
卷期
第 06 期
页码
840-844
成果收录
CHINAJOURNAL

作者

  • 王

    王胜训 (第一作者)

  • 李

    李艳颖

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417