改进混合型蚁群算法及其应用.docVIP

硕 士 学 位 论 文 改进的混合型蚁群算法及其应用 硕士研究生 指导教师 学科专业 应用数学 年 月 日 摘 要 旅行商问题（TSP）与车辆路径问题（VRP）自提出以来，许多学者进行了大量的理论研究和实验分析，取得了非常显著的进展，已经成为了运筹学和组合优化问题领域的热点研究问题。求解他们的算法主要有精确型算法、近似算法和启发式算法。在众多求解TSP算法中，蚁群算法具有较好的性能，该仿生智能算法和传统的算法截然不同，具有鲁棒性、正反馈、并行性和易与其他方法相结合等特点。自创立以来，无论理论研究还是在应用方面都取得了突破性的进展，不但在求解以上两种问题上得到了最优解，而且在工件的排序问题、图着色问题、多目标函数等许多领域也取得了相当不错的效果，具有相当广阔的发展前景。 本文首先介绍了一种求解TSP问题的算法—改进的混合型蚁群算法，该算法在近邻法构造初始解的基础上，使用2-opt局部搜索法对当前解进行改进，在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素，且为全局信息素设置最大值和最小值，并使用MATLAB仿真求解了kroa200等13个经典TSP问题。通过仿真实验可以看出本文改进的算法在求解TSP问题时具有很好的效果，在求解很多问题时已经非常接近最优解或者优于最优解，和最优解相差的百分比基本都在1%以下，并和两种最新改进的蚁群算法以及两种自组织算法进行比较，比较结果充分证明了该改进算法的有效性。 其次，本文利用文献提出的统计边数的方法对TSP问题的种群多样性进行了分析，通过实验仿真与基本蚁群算法从平均的边数和、最大的边数以及最小边数和进行了比较分析，从数据上说明了改进的算法具有种群多样性。 最后又把改进的混合型蚁群算法应用到VRP问题，使用MATLAB仿真工具对N44K6等10个经典VRP问题进行了求解，得到的结果和已知最优解的误差很小，都在6%以下，并且N33K6问题得到了和已知最优解相同的解。并且与基本蚁群算法做了比较，比较结果充分证明了该改进算法的有效性。 关键词：混合型蚁群算法，TSP问题，种群多样性，VRP问题 Abstract Many scholars have been a lot of theoretical research and experimental analysis since Traveling Salesman Problem (TSP) and Vehicle Routing Problem (VRP) are proposed and notable progress is made. TSP and VRP have become the central issue in operational research and combinatorial optimization. Precise algorithm, approximate algorithm and heuristic algorithm are used to solve the problems. Among all the algorithms, ant colony algorithm has better performance. This bionic intelligence algorithm is quite different from the traditional ones, it’s more robust, positive feedback, concurrency and easy to combine with other algorithms. Since ant colony algorithm is proposed, breakthrough progress has been made both in theoretical research and realistic application. Not only optimal results are achieved but also proven to be effective in scheduling jobs, graph coloring, multi-objective function and other scopes. It has a very broad prospec