基于模拟退火策略的逆向蚁群算法.pdfVIP

基于模拟退火策略的逆向蚁群算法 刘玉霞，王 萍，修春波 （天津工业大学计算机技术与自动化学院，天津 300160 ） 摘 要：为克服现有蚁群算法运算过程中收敛速度慢，易出现停滞现象等缺点，提出了一种 结合模拟退火策略的改进算法。利用向原始蚁群中引入逆向蚂蚁，并结合模拟退火思想确定 蚁群中逆向蚂蚁的数目，来提高算法的适应性。将该算法应用于旅行商问题的求解，仿真试 验结果表明该算法的收敛速度和全局寻优能力都得到很大的改善。 关键词: 蚁群算法；旅行商问题；模拟退火 中国法分类号：TP301.6 文献标志码：A Converse Ant Colony Algorithm Based on Simulated Annealing Liu Yuxia, Wang Ping, Xiu Chunbo (Dept. of Computer Technic and Auto Matization, Tianjin Polytechnic University, Tianjin 300160, China) Abstract: In order to get over the disadvantages of the slow convergence speed and stagnation behavior, a new ant colony algorithm is proposed. Inducting converse ants into the ant colony and the number of converse ants is adjusted by simulated annealing, the ability of searching for global optimal solution can be improved. The algorithm can solve the Traveling Salesman Problem. The simulated results show that the ability of optimization and the convergence speed have improved a lot. Key words: ant colony algorithm; traveling salesman problem; simulated annealing 1 引言 [1] 蚁群算法（Ant Colony Algorithm ） 是意大利学者 M.Dorigo 、A.Colorni 、B.Manizzo 等 在 20 世纪 90 年代初，从蚁群觅食过程中得到启发而提出的一类新型模拟进化算法。针对传 统蚁群算法的不足，一些学者提出了多种改进的蚁群算法[2-7]，如蚁群系统(Ant Colony System, [2] ACS ） 只更新最优路径上的信息素的浓度，从而加强了对最优解的利用； MAX-MIN 蚁 [3] 群系统（MIN-MIN Ant System, MMAS ） 通过限制信息素的浓度范围，避免了搜索中的停 滞现象。尽管这些算法比原先算法有所改进，但都是基于单种类型蚂蚁的改进。且算法仍具 有易陷入停滞状态及运算速度慢的缺点。 针对上述缺点，本文结合文献[2]提出的蚁群系统（ACS ），提出了一种基于模拟退火策 略的逆向蚁群算法。通过向只有常规蚂蚁类型的原始蚁群中引入逆向蚂蚁常规蚂蚁，并将模 拟退火思想融入算法中，逐渐调整逆向蚂蚁的数量。实验表明，改进后的算法性能比传统蚁 群系统性能有了明显的提高。 2 模拟退火逆向蚁群算法原理 基金项目：天津市教委资助，天津市高等学校科技发展基金项目（项目编号） 作者简介：刘玉霞（1981-），女，汉，在读硕士，研究方向为人工智能、现代优化方法等；E-mail: liuyuxia.2005@163.com; 王萍（1961-），女，教授，研究方向为现代优化算法；修春波（1978-），男，讲师， 研究方向为人工智能。 Author resume: Liu Yuxia, (1981-), fe