蚁群遗传算法对于TSP问题的应用.docVIP

蚁群遗传算法对于TSP问题的应用 　　摘要：遗传算法和蚁群算法是两种具有代表性的智能算法。在解决组合优化问题时，遗传算法具有较快的全局搜索能力，但在解决规模较大的TSP问题时存在一定缺陷，不能取得全局最优解。相反蚁群算搜索速度相对较慢，但有着较高的准确性，对于大规模问题有较好的效果。本文改进了两种算法，将蚁群算法与遗传算法融化起来。首先借助遗传算法的快速搜索能力，快速接近最优解，通过求解结果为蚁群算法设置初始信息量，再借助蚁群算法进行最终结果的求解，得到最优解。经过计算机仿真发现，在一定情况下，新的改进算法对TSP问题的求解能力有一定提高。 　　关键词：蚁群算法；遗传算法；TSP 　　中图分类号：TP18 　　遗传算法在1969年被美国学者提出，后来经过一系列改进总结成一类模拟自然界遗传基因进化的算法1。遗传算法的理论源于达尔文的进化论，模拟生物进化的过程来求解极值问题。遗传算法适合求解各种问题同时具有并行性。因此，遗传算法广泛应用于计算机科学，人工智能，模式识别，机械自动化控制等各种领域。遗传算法的缺点主要是局部搜索能力差，收敛慢。因此如何提高遗传算法的局部搜索能力成为了遗传算法研究的重点。 　　蚁群算法是由意大利学者M.Dorigo提出，模拟自然界中蚂蚁觅食的过程。经过众多学者多年来的研究和改进，能够较好的解决组合优化问题。蚁群算法的原理是一种正反馈机制，通过