多目标优化问题的改进蚁群算法与研究.pdfVIP

致 谢 本论文是在高雷阜教授的悉心指导下完成的，没有高老师的指导、鼓励及资金 上的大力支持，论文是不可能得以顺利完成的。师从三载，收获颇丰，感触亦深。 高老师优秀的做人品质，严谨的治学态度，开拓创新的精神，高屋建瓴把握全局的 能力，忘我的工作精神给学生树立起潜移默化的典范作用，这也是导师传授给学生 最宝贵的财富。在此，谨向我的导师致以深深的敬意。 感谢理学院的老师，作为一个跨校的学生，我得到了很多理学院老师的大 力指导和帮助，使我学习到了很多在以前学校没有学习到的知识，为此，我要 向各位老师们表达感谢之情。 感谢我的同学孙旭东、刘旭旺、王璐、何晓燕、师姐张晓翠，谢谢他们在 我读研期间给予的热心帮助和关怀。 衷心感谢在百忙之中评阅论文和参加答辩的各位老师！ 摘 要 本文提出了两种用于求解不同类型的多目标优化 问题的改进蚁群算法；求解离 散域内的多目标 TSP 问题的智能蚂蚁算法，是通过引入多目标评价指标，在信息素 的更新、对智能蚂蚁引入知识、每次循环蚂蚁是否从相同的位置出发、算法参数的 设定这四方面对求解多目标 TSP 问题的传统蚁群算法加以改进，通过算例仿真，表 明了算法的有效性；并在理论上对该算法进行了收敛性证明。基于 Nash 均衡策略 的多目标连续域进化蚁群算法，首先，是针对蚁群算法的两点不足对基本蚁群算法 进行了进化改进，提出了进化蚁群系统的算法模型，该模型将人工蚂蚁看作是可以 进化的个体，通过引入个体的选择、交叉和变异等操作，实现算法参数的自适应调 整，使蚁群算法成为了一种全新的进化算法。其次将离散域 EACS 算转变成连续域 算法并利用区域协同的思想将连续域 EACS 算法改进成多目标连续域 EACS 。为了 提高解的收敛性，将 Nash 均衡策略的思想与改进后的蚁群算法相结合，通过算例 检验了算法的有效性。最后，应用理论方法对该算法进行了收敛性证明。 关键词：智能优化算法；多目标优化算法；蚁群算法；收敛性 - I - Abstract This article bring forward two kinds of multi-objective optimization problem for solving the improved ant colony algorithm. This article describes two methods for multi-objective optimization problems of ant algorithms; for multi-objective TSP is intelligent Ant Colony algorithm, with the introduction of multi-criteria indicator, pheromone updates, on the introduction of intelligent knowledge of ants, ants each time the loop is set off from the same location, algorithm parameter setting of the four areas for multi-objective TSP traditional ant algorithms to improve simulation, by example, had demonstrated the effectiveness of the algorithm, and in theory on the convergence of the algorithm.Based on game theory multiobjective ev