蚁群算法参数调整研究.pdf

蚁群算法的参数调整研究 摘 要 研究人员在使用算法时发现确定算法参数的时间往往多于设计和实施算法 的时间，这种现象在启发式与元启发式算法使用中特别突出，合适的参数设置 对于算法的性能有着至关重要的影响。有效地调整算法参数就是从系统化的角 度考虑参数调整问题，使得相关人员的参数调整工作得以简化。蚁群算法(Ant Colony 食过程中会选择最短路径行进的生物学行为发展起来的群智能随机搜索算法。 由于其在求解复杂优化问题的优势，目前已经成功地运用到许多应用领域。因 此，从系统化的角度考虑蚁群算法参数调整问题，具有重要的理论意义和应用 价值。 论文首先全面分析了基本蚁群算法的性能及原理，并分析参数选择对算法 性能的影响。特别是其中三个参数启发式因子a、期望启发式因子∥及信息持 久因子p对算法性能的影响较大。在此基础上，提出确定蚁群算法参数最优组 合的“两阶段法”，并将改进后的算法用于求解TSP问题以检验其可行性。所做 的主要工作及创新性研究成果如下： (1)离线调整阶段利用先期调整阶段获得的先验知识，通过具体TSP实例 对参数进行选择，然后使用选择好的参数配置对算法进行进一步优化。选用均 匀设计将蚁群算法基本模型的参数设定问题描述成均匀设计中多因素多水平的 试验设计，从而能够用较少的试验很快设定算法参数的取值。 (2)在线调整阶段根据正在解决实例的特征来地动态调整参数，并且找到 合适的参数值。结合均匀设计和混沌技术的优点，在蚁群算法参数调整中引入 混沌扰动避免搜索过程陷入局部极值。利用基于搜索过程中的反馈，通过动态 变化若干核心参数来获得算法整体性能的提高。本文单独使用混沌理论对静态 参数进行调整，并在离线调整阶段均匀设计的成果基础上使用混沌理论对算法 参数进行动态调整，实验结果表明该方法是有效的，体现了混沌调整和混合机 制的优越性。 上述研究在理论上对于蚁群算法的发展具有积极的推动作用，为蚁群算法 参数调整提供了一个新的很有前景的方法，在实践上能够使蚁群算法参数设定 和优化更加有效，有利于蚁群算法的推广和应用。 关键词：蚁群算法；离线参数调整；在线参数调整；均匀设计；混沌理论 Ofant optim娩ation on tu咖g colony Research par锄eter ABSTRACT of 1smore parameter thatthedeterminationalgoritm found Theresearchers of也e phenomenon and algorit№·nis thanthe implemen眦ion design time．consuming m眦unst。c ofheuriStic and inthe a王godthm is prominentapplication particularly onthe ofthe haSaVital．吼pactperfonn姐ce paran矧甜