利用改进粒子群求解TSP问题的一种新方法.pdfVIP

利用改进粒子群求解 TSP 问题的一种新方法 成伟明，唐振民，赵春霞，陈得宝 （南京理工大学计算机科学与技术学院，南京 ２１００９４） ［摘要］　 借鉴蚁群算法中的信息素机制，并利用粒子群算法操作简单、易于实现、计算量小的特点，给出一种 新的求解TSP 问题方法。 对基本粒子群算法进行了改进，针对多样性下降导致的局部最优问题，设计了一种 自动调节机制。 根据群体适应度的差异计算多样性，并在群体多样性下降到一定程度时，随机退化部分适应 值较高的粒子，增强群体的多样性。 通过对旅行商问题的对比实验验证了该方法的有效性。 ［关键词］　 信息素；粒子群优化；旅行商问题 ［中图分类号］　 TP３０１　 ［文献标识码］ 　 A　 ［文章编号］ 　１００９－１７４２（２００８）０７－００６９－０４ 分适应值较高的粒子，增强群体的多样性。 1　 前言 2 　 TSP 问题与蚁群算法中信息素机制 粒子群算法（particle swarm optimizer，PSO）是根 ［１］ 据鸟类捕食原理提出的 ，是一种基于群体智能的 图 G＝ （ U， E）代表 n 个城市的分布，橙 u ， u i j 随机优化算法。 PSO 与其他类似遗传算法的进化方 ∈ U， u ， u 分别表示第i，j 个城市，边 e ∈ E 上有 i j ij 法相比，易于实现，计算量小，易于在工程中应用，广 非负权值w（eij ） ＝ d（ i， j ） ，d（ i， j ）代表 ２ 个城市 泛应用于函数优化、模式分类、优化调度、神经网络 之间的距离。 寻找 G 的一个最小Hamilton 圈 C，使 ［２ ，３］ 训练、模糊系统控制等领域 ，并显示出很强的全 得 C 的总权值 局优化能力。 W（ C） ＝ w（e ） （１） 钞 ij 旅行商问题（TSP）在工程科学中是一种具有重 e ∈ E（ C） ij 要意义的组合优化问题。 近年来仿生学优化理论的 最小，则该问题称为旅行商问题。 当 d （ i， j ） ＝ 发展， 提出了采用模拟自然进化过程求解TSP 问题 d