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
- 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 ProblemDu, 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.
