基于交互式的并行蚁群优化算法.pdfVIP

计 算 机 系 统 应 用 http：llwww．c—S·a．org．crl 2015年 第24卷 第 2期 基于交互式的并行蚁群优化算 孟 鑫，安毅生，张志明 (长安大学 信息工程学院，西安 710064) 摘 要：传统蚁群优化算法研究已经取得了很多重要的成果，但是在解决大规模组合优化问题时仍存在早熟收 敛，搜索时间长等缺点．为此，将邻域搜索技术与蚁群优化算法进行融合，提出一种新的并行蚁群优化算法，实 验结果表明，在解决大规模TSP问题时，该算法求解质量和稳定性更好，在短时间内即可得到较高质量的解． 关键词：组合优化问题；邻域搜索技术；并行蚁群优化算法；邻域搜索；TSP问题 Interactive．BasedParallelAntColony0ptimization M ENGXin，AN Yi-Sheng，ZHANG Zhi·Ming (CollegeofInformationEngineering，Chang’naUniversity,Xi’all710064，China) Abstract：Althoughalotofimportantresultsareachievedintheresearchoftraditionalantcolonyoptimization，and thereraemnayshortcomingsinsolvinglarge-scalecombinationoptimizationproblems，suchasprematureconvergence andtimeconsuming．Therefore，aparallelizationofantcolonyalgorithm basedonthecombinationofneighborhood serachalgorithm andantcolony0 mizationisproposedandrealized．Theresultsofexpefimentshow thathteparallel algorithm hasmuch higherqualitynad stabilityhtanhtatoftraditionalserialnatcolony o mization forsolving large-scaleTSPproblems． Keywords：combinationoptimizationproblems；neihgborhoodserachalgorithm；praallelantcolonyoptimization； neighborhoodesrach；TSPproblems 随着工程科学的飞速发展，实际工程应用中需要 离，而对于多 目标旅行商问题，城市间的权重有多个 解决的问题规模也越来越大，借助计算机的优越性能 (比如距离、费用等)，需要求得在访问完所有城市回到 进行求解必不可少，而传统单一处理器的计算速度已 初始城市后的总权重值最小．针对 TSP这类从工程领 经不能满足日益庞大的计算任务，越来越多的研究者 域抽象出来的组合优化问题，如果能够寻求一种高效 开始关注并行计算．与此同时，硬件技术的成熟以及处 可靠的求解方法，则完全可以用来解决实际生产过程 理器和网络性能不断提升，已经使并行计算完全有能 中遇到的难题． 力脱离昂贵的超级计算平台从而移植到普通计算机上， 蚁群优化(AntColonyOptimization，ACO)是一种 毫无疑问，并行计算将逐渐成为解决大规模工程优化 具有高度创新性的元启发式算法，最早于 1992年在 问题的最佳选择． Dorigo的博士论文中提出．这种基于种群的元启发式 旅行商问题(TravellingSalesmna Problem，TSP)是 随机搜索算法，通过模拟真实蚁群协作过程，在若干 数学领域中一个典型的优化组合问题，并且是一个 NP 蚂蚁相互独立的情况下，利用信息素参数和一定的最 难问题，也是许多工程优化问题的抽象形式．TSP问题 优路径选取机制，经过若干次迭代从而获取最优解， 主要分为以下几类：对称旅行商问题；非对称旅行商问