第19章基于AC0的TSP求解教案.ppt

第十九章 MATLAB优化算法案例分析与应用 第19章 基于AC0的TSP求解 第十九章 MATLAB优化算法案例分析与应用 19.1 蚁群算法理论研究现状 最初提出的AS有三种版本：Ant density、Ant quantity和Ant cycle。在Ant density和Ant quantity中蚂蚁在两个位置节点间每移动一次后即更新信息素，而在Ant cycle中当所有的蚂蚁都完成了自己的行程后才对信息素进行更新，而且每只蚂蚁所释放的信息素被表达为反映相应行程质量的函数。 通过与其他各种通用的启发式算法相比，在不大于75城市的TSP中，这三种基本算法的求解能力还是比较理想的，但是当问题规模扩展时，AS的解题能力大幅度下降，因此，其后的ACO研究工作主要集中在AS性能的改进方面。 较早的一种改进方法是精英策略（Elitist Strategy），其思想是在算法开始后，即对所有已发现的最好路径给予额外的增强，并将随后与之对应的行程记为Tgb（全局最有行程）。 当进行信息素更新时，对这些行程予以加权，同时将经过这些行程的蚂蚁记为“精英”，从而增大较好行程的选择机会。这种改进型算法能够以更快的速度获得更好的解，但是若选择的精英过多则算法会由于较早的收敛于局部次优解而导致搜索中的过早停滞。 第