改进粒子群优化算法求解TSP问题.pdfVIP

52 2010．46(4) ComputerEngineeringandApplw~ions计算机工程与应用 改进粒子群优化算法求解 TSP问题 苏晋荣，王建珍 SU Jin-rong，WANG Jian—zhen 山西大学 商务学院 信息工程系，太原 030031 DepartmentofInformation Engineering，CollegeofBusiness，ShanxiUniversity，Taiyuan 030031，China E—mail：sjr_su@tom．COrn SU Jin—rong．WANG Jian—zhen．Improved particle swarnloptimization for traveling salesman problem ．ComputerEngi— neeringand Applications，2010，46(4)：52-53． Abstract： In allusion to particle swarm optimization being prone to get into local minimum ，an improved particle swarm optimization algorithm is proposed．The algorithm draws on the thinking ofthe greedy algorithm to initialize hte particle swal-n1． Two swarmsareusedtooptimizesynchronously，and crossoverand mutation operatorsin genetic algorithm are introduced intothe new algorithm to realize the sharing ofinfomr ation among swarlTiS．Th is papertests the algorithm with a Traveling Salesman Problem with 14 nodes．The result shows that the algorithm can break away from local minimum earlier and it has high convergencespeed and convergenceratio． Keywords：ParticleSwarm Optimization(PSO)；TravelingSalesmanProblem(TSP)；greedyalgorithm；crossover；mutation 摘 要：针对粒子群优化算法易陷入局部极值的缺点，提 出一种改进粒子群算法，该算法借鉴贪婪算法的思想初始化种群，利用两 个种群同时寻优，并将遗传算法中交叉和变异操作引入其 中，实现种群间的信息共享。用 14点TSP标准数据对算法性能进行了测 试，结果表明该算法能够较早跳 出局部最优，具有较高的收敛速度和收敛率。 关键词：粒子群优化算法；旅行商问题；贪婪算法；交叉；变异 DOI：10．3778／j．issn．1002—8331．2010．04．016 文章编号：1002—8331(2010)04—0052—02 文献标识码：A 中图分类号：，I’P301．6 粒子群优化算法 (ParticleSwarmOptimization，PSO)是一 仿真结果表明改进PSO算法具有较高的收敛速度和收敛率。 种基于群体智能的进化算法 ，由Eberhart和 Kennedy通过对 鸟群、鱼群的模拟于 1995年提出11『。该算法利用群体优势为复 1 基本粒子群优化算法 杂问题的解决提供了新的方法。目前，PSO算法在函数优化 、神 设粒子的群体规模为Ⅳ，粒子当前的位置表示为X=(：， 经网络训练、模糊系统控制 、组合优化、入侵检测以及决策调度 … 等多个领域得至广泛的应用ll-5l。PSO算法有较强的全局搜索能 ， ， ：，…，k)，：∈[f，】，1≤≤Ⅳ，2和 “分别表示第n 力，但也有容易陷入局部极值导致地收敛精度低和不易收敛到