求解TSP问题的贪随机模拟退火算法.docVIP

收稿日期： 基金项目：福建省自然科学基金（2008J0316），福建省青年人才科技创新基金（2006F3013） 作者简介：钟一文（1968-），男，福建上杭人，教授，从事计算智能及其应用的研究。 通讯作者：钟一文，男，教授，博士；电话E-mail：yiwenzhong@163.com 求解TSP问题的贪婪随机模拟退火算法 钟一文，蔡荣英 福建农林大学计算机与信息学院，福建福州，350002 摘要：模拟退火算法是一种典型的智能优化算法，它的一个主要缺点是收敛速度慢。针对这一问题，提出了一种基于贪婪随机策略的求解旅行商问题的模拟退火算法，在从当前解的邻域中选择候选解时，根据问题领域的启发式信息，采用贪婪策略从邻域中生成一个候选解列表，再从候选解列表中随机选择一个候选解。仿真结果表明，贪婪随机模拟退火算法明显优于传统的模拟退火算法。 关键词：模拟退火算法；贪婪随机；旅行商问题 中图分类号：TP301 文献标识码：A 文章编号： A Greedy Random Simulated Annealing Algorithm for Traveling Salesman Problem ZHONG Yi-wen, CAI Rong-ying College of Computer and Information Science, Fujian Agriculture and Forestry University, Fuzhou 350002, China Abstract: Simulated Annealing algorithm is a typical intelligent optimization algorithm. One of its main shortages is slow convergence speed. In order to tackle this shortage, a greedy random Simulated Annealing algorithm for Traveling Salesman Problem is presented. In the presented algorithm, based on heuristic information derived from the problem at hand, a candidate list is selected greedily from the neighborhood of current solution. Then candidate solution is selected randomly from the candidate list. Simulated results show that the proposed algorithm can get better result than classical Simulated Annealing algorithm. Key words: Simulated Annealing algorithm; Greedy random; Traveling Salesman Problem 1 引言 模拟退火（Simulated Annealing, SA）算法是一种典型的智能优化方法，SA算法的思想最早是由Metropolis等[1]提出的，SA算法依据Metropolis准则接受新解，因此，除接受优质解外，还在一定范围内接受劣质解，SA算法在开始时温度t值较大，可以接受较差的劣质解，随着t值的减小，只能接受较好的劣质解，最后在t值趋于零时，就不再接受任何劣质解了，这就使SA算法可以从局部最优的“陷阱”中跳出，从而有可能求得优化问题的全局最优解。SA算法同时还具有简单和通用的特点，因此SA算法在许多领域都得到了很好的应用，比如在VLSI、生产调度、控制工程、机器学习、神经网络、图像处理等领域。但是，尽管从理论上证明了SA算法能收敛到全局最优解，在使用SA算法的过程中也发现，其收敛速度很慢，与此相反，启发式算法通常基于某种贪婪策略，有较快的收敛速度，但易于陷入局部最优解，那么，能否在SA算法中嵌入一定的贪婪策略，在保持其全局寻优的前提下，加快SA算法的收敛速度呢？基于这个思想，针对旅行商问题（Traveling Salesman Problem，TSP），本文研究了在产生下一个解时，根据领域的启发式信息，采用贪婪策略从邻域中生成一个候选解列表，再从候选解列表中随机选择一个候选解，以平衡算法的随机性和贪婪性，提高获取优质解的概率，从而提高SA算法的总体性能，仿真表明，这种策略能明显提高SA算法的性能。 2 求解TSP问题的模拟退火算法 T