网站大量收购独家精品文档,联系QQ:2885784924

硕士基于tsp问题的蚁群算法优化及并行策略研究毕业设计.doc

硕士基于tsp问题的蚁群算法优化及并行策略研究毕业设计.doc

  1. 1、本文档共58页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
硕士基于tsp问题的蚁群算法优化及并行策略研究毕业设计

学校代码:10491 研究生学号中国地质大学 硕士学位论文 基于TSP问题的蚁群 算法优化及并行策略研究 硕 士 生:张 礼 学科专业:计算机应用技术 指导教师:罗忠文 副教授 二○○六年五月 A Dissertation Submitted to China of Geosciences for the Degree of Master of Engineering The Research on Optimization and Parallelization Strategies of Ant Colony Algorithm for Solving Traveling Salesman Problem Master Candidate:Zhang Li Major:Computer Application Technology Supervisor:Associate Prof. Luo Zhongwen China Wuhan 430074 P. R. China 研究生学位论文原创性声明 我以诚信声明:本人所呈交的硕士学位论文是在罗忠文副教授的指导下,开展研究工作所取得的研究成果。文中关于TSP问题的蚁群算法新的优化策略是在罗忠文老师的指导下独立完成;算法运行数据结果、为确定各个关键参数的分析及其设定数据系本人研究和测试所得;文中蚁群算法的并行策略及算法的展望系本人独立完成,不包含他人研究成果。所引用他人之思路、方法、观点、认识均已在参考文献中明确标注,所引用他人之数据、图件、资料均已征得所有者同意,并且也有明确标注,对论文的完成提供过帮助的有关人员也已在文中说明并致以谢意。 学位论文作者(签字): 签字日期: 年 月 日 作者简介 张礼,男,1979年9月出生,2000年7月本科毕业于上海交通大学热能工程及其自动化专业,2003年9月进入中国地质大学(武汉)攻读计算机应用技术专业硕士学位。 在读研期间,主要学习了算法设计与分析、高级计算机体系结构、组合数学、Visual C++、科学社会主义、自然辩证法、英语(含专业英语)等十几门课程,总学分34.5分,平均分为84.7分。 在攻读硕士学位期间,曾在武汉中地数码科技股份有限公司(教育部GIS工程中心)进行实习,参与了多个软件项目的开发,主要从事国土资源部门基于MAPGIS平台的应用软件的研发,参与开发的项目有:湖南省衡阳市国土资源局国土资源电子政务系统、基于MAPGIS并内嵌RedOffice的公文流转开发等。 2005年5月份,开始进入蚁群算法领域,并研究算法的优化及并行策略。 在校期间,已发表论文十余篇,其中核心期刊一篇;以第一作者身份发表的论文主要有:(一部分公开期刊从略) 1、基于MAPGIS工作流及RedOffice的公文流转开发. 商场现代化(核心期刊). 2005年9月号,第20期(总第443期). 2、电子政务发展现状及策略分析. 中国学术论坛. 2005年第1期. 3、蚁群算法的一种优化策略. 知识与创新. 2005年第11期. 4、Oracle应用系统性能优化. 学位(理论版). 2005年第2期. 5、用SVG技术实现基于Web的GIS. 知识与创新. 2005年第11期. 6、GML、VML和SVG的比较. 经营与管理(增刊). 2005年增刊第082号. 7、下一代网络NGN标准概述. 知识与创新. 2006年第2期. 基于TSP问题的蚁群算法优化及并行策略研究 硕士生:张礼 导师:罗忠文 副教授 摘 要 许多实际工程问题可以抽象为相应的组合优化问题,TSP问题是作为所有组合优化问题的范例而存在的,它已成为并将继续成为测试组合优化新算法的标准问题。从理论上讲,使用穷举法可以求解出TSP问题的最优解;但是对现有的计算机来说,让它在如此庞大的搜索空间中寻求最优解,几乎是不可能的。所以,各种求TSP问题近似解的算法应运而生了,本文所描述的蚁群算法(AC)也在其中。 目前已出现了很多的启发式算法,而蚁群算法作为一种新型的启发式算法,已成功地应用于求解TSP问题。蚂蚁通过分泌信息素来加强较好路径上信息素的浓度,同时按照路径上的信息素浓度来选择下一步的路径:好的路径将会被越来越多的蚂蚁选择,因此更多的信息素将会覆盖较好的路径;最终所有的蚂蚁都集中到了好的路径上。蚂蚁的这种基于信息素的正反馈原理正是整个算法的关键所在。 首先,本文简要介绍了几种启发式算法并引出蚁群算法,并对蚁群算法基本原理、几种算法模型和相应的数学公式作了详细阐述,同时对前人的研究结果进行了引用;此外针对蚁群算法的缺陷,还描述了前人对算法所作的一些典型的优化:如蚁群系统算法ACS(

文档评论(0)

海纳百川 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档