基于蚁群算法的旅行商问题研究（论文）.doc

学年论文(课程设计) 题 目 基于蚁群算法的旅行商问题研究 学生姓名 魏倩 学 号 20071336124 学 院 信息与控制学院 专 业 自动化 指导教师 申晓宁 二Ｏ一Ｏ 年 12 月 3 日 基于蚁群算法的旅行商问题研究 魏倩 南京信息工程大学信息与控制学院自动化系，南京 210044 摘要：介绍了蚂蚁算法的背景，原理及其算法流程。基于matlab软件，采用蚁群算法，求解一个具有30个城市的旅行商问题，并对算法中的三个参数设置问题进行了详细分析，讨论了单一参数变化时对算法性能的影响,并进一步指出了算法改进的思路和方向。 关键词： 蚁群算法，旅行商问题，性能分析，matlab Research on TSP Based on Ant Colony Algorithm weiqian School of information and control, Nanjing University of Information Science Technology, Nanjing 210044 ABSTRACT： This paper presents the background of ant colony algorithm, its principle and its algorithm process. It discusses the three parameters and the relationship between the parameter and the performance of the algorithm when the algorithm is used to solve t he TSP problem of 30 cities on the basis of matlab software in detail . What is more , it points out the thought and direction to improve the method. Key word: ant colony algorithm ; traveling salesman problem; performance analysis; matlab 1. 引言： 研究群居性昆虫行为的科学家发现，昆虫在群落一级上的合作基本上是自组织的。许多场合，尽管这些合作是很简单的，但是其能解决复杂的问题。这种由群居性生物产生出来的一种集体性行为即群体智能，引起了包括计算机科学家在内的很多研究人员的兴趣。而蚁群优化算法（Ant Colony Optimization，ACO）就是一种在蚁群的群居性觅食的基础上形成的一种模拟进化算法，是20世纪90年代意大利的M.Dorigo等学者提出的，并且取得了较好的实验结果。受他们的影响许多的学者也在该算法上得到了许多的研究成果[1]。10多年来，对蚁群算法的研究表明：蚁群算法不仅能够智能搜索全局最优而且具有鲁棒性、正反馈、分布式计算、易于与其他算法融合等特点。利用正反馈原理可以加快进化过程， 分布式计算使该算法易于并行实现， 蚁群算法易于与其他算法结合可以改善算法的性能，由其鲁棒性，故在基本算法的基础上稍作修改，便可以应用于其他问题，所以，蚁群算法问世以来，为诸多领域解决复杂优化问题提供了有力的工具。M.Dorigo等人将蚁群算法应用于求解旅行商问题、资源的二次分配等经典问题得到较好的结果[2]。后来的好多的学者将算法进行改进后应用于其他方面。如：将蚁群算法改进后应用于求解连续的优化问题、智能交通、电信路由控制、机器人的路径选择以及图像分割中等[3]。10多年来，人们对于蚁群算法的研究不断深入，其解决优化问题的作用不断提高，但是蚁群算法存在搜索时间长、易于停滞以及陷入局部最优的缺点，为了克服这些缺点不少学者提出了改进算法[4]。本文以TSP问题为例进行测试，实验结果表明此算法具有较好的性质。 2．TSP问题和蚁群算法 2.1 TSP问题 TSP 问题即旅行售货商问题 ( traveling salesman problem)。描述如下:给定 n个城市的集合{ 1 ,2 , …, n}及城市之间环游的费用。TSP问题是指找到一条经过每个城市至少一次且回到起点的最小费用的环游。若将每个城市看成是图上的一个顶点 ,费用看成连接顶点 和 的边上的权,则 TSP问