基于几何结构的求解旅行商问题的蚁群算法.pdfVIP

维普资讯 第 22卷第3期 苏 州 科 技 学 院 学 报 (自然 科 学 版) Vo1．22No．3 2005年 9月 JournalofUniversityofScienceandTechnologyofSuzhou(NaturalScience) Sep．2005 基于几何结构的求解旅行商问题的蚁群算法 赵 玲 ，刘三阳 (西安电子科技大学 理学院，陕西 西安 710071) 摘 要：蚁群算法是一种新型仿生算法 ，但存在搜索时间长 ，收敛速度慢 ，易陷入局部最优等缺点。 本文提 出了一种基于旅行商问题 (P)几何结构的蚁群算法 ，利用象限邻居表构造候选集和对偶限 象邻居的方法初始化信息素，用 以克服上述缺陷。通过对 P的仿真 ，结果表明新算法大大缩小了 其搜索范围，提高了搜索精确度并减少 了搜索时间。 关键词 ：蚁群算法 ；旅行商问题 ；象限邻居表；对偶象限邻居方法 中图分类号：TP30l_6 MR(20OO)SubjectClassification：90C27 文献标识码 ：A 文章编号：1672—0687(2005)03—0034_o6 1 引言 20世纪90年代 ，欧洲学者 DorigoMacro等人从生物进化论中得到启发，通过模拟 自然界 中蚂蚁集体寻径的行为提出了蚁群算法 (antcolonyalgorithm)，该算法最早成功地应用于求解 著名的旅行商问题，后又用于解决其他组合优化问题 ，并取得了较好的效果。 然而，蚁群算法本质上和模拟退火算法、遗传算法等随机搜索算法一样 ，存在扩大搜索空 间与寻找最优解之间的矛盾 (尤其是对大规模问题)，这意味着蚂蚁要选择的下一个移动的点 的可选范围很大 ，计算时间 自然也要增加 ，而构造候选集就可以把运算时间控制在一定的范 围。 目前一般都采用最近邻居表(nearestneighborlist)来构造候选集，但这种方法没有考虑问 题的几何结构 ，而且存在着一些风险会阻止最优解的生成，出现解的退化。本文在蚁群算法的 基础上，针对 以上不足和 TSP问题的几何特点，提出了象限邻居表构造候选集的方法，限定了 每只蚂蚁下一步移动所能选择的城市，并且利用所构造的候选集，初始化信息素数量，从而大 大缩减了解空间，使蚂蚁搜索空间集中于最优解附近。本文算法在TSP中的应用结果表明其 搜索精度和搜索时间都有较好表现。 2 蚁群算法和原理模型 目前 ，蚁群算法及其扩展 已有多种 ，应用最多的有 Antsystem (AS)”，Antcolonysystem (ACS)2[1，MAX—MINAS(MMAS)3[1，其主要思想都是模拟 自然界蚂蚁觅食的行为。蚂蚁运动时会 在路径上释放一种特殊的分泌物——信息素(pheromone)用来寻找路径，通过信息素的作用使 收稿 日期 ：2005．o5—30 基金项 目：陕西省 自然科学项 目(2004A02) 作者简介 ：赵 玲 (1980-)，女，甘肃兰州人，硕士，研究方向：网络优化 。 维普资讯 3期 赵 玲等 ：基于几何结构的求解旅行商问题的蚁群算法 35 整个蚁群的行为具有非常高的 自组织性，蚂蚁之间交换着路径信息，形成一个正反馈机制，最 终通过蚁群的集体催化行为找出最优路径。 2．1 旅行商问题 定义 1 设 C={C，C：……，C}是 I1,个城市的集合 ，L={lulc。，ciCC}是集合 C中的点 (城市)两 两连接的弧集合，d =1，2，……n)是 的Euclidean距离，即西=、／。 + —)‘。 G=(c，)是一个有向图，TSP问题的 目的是从有向图G中寻找出长度最短的Hamilton圈， 即找出一条对 C={C，C：……，C}中的n个点(城市)访问且只访问一次的最短封闭曲线 ，这就是 著名的经典 TSP问题 。