一种带粒子群记忆行为蚂蚁算法.docVIP

一种带粒子群记忆行为蚂蚁算法摘要：为了解决TSP问题，该文在蚂蚁算法的基础上借鉴粒子群的局部极值的概念，赋予每个寻路的蚂蚁记忆以前所搜寻到的最佳路径，从而使蚂蚁算法加快了算法的收敛能力。实验结果证明了算法的有效性。 关键词： TSP问题；蚂蚁系统；粒子群；局部优化 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2012）30-7319-02 作为人们所广泛研究的典型NP难组合优化问题的一种旅行商问题（TSP） ， 目前还找不到一个算法能保证在多项式时间内得到最优解.在解决离散优化问题中，作为一种研究分散型的自组织系统中的集体行为的人工智能技术，群集智能受到了越来越多的关注，一般来说，群集智能借鉴自然界的生物行为，进行模拟。典型的群集智能系统由一群简单的主体构成，每个主体和其它主体以及它们的环境作局部的交互。尽管通常没有集中控制机制来指示这些主体如何协作，但这些简单的局部交互行为通常能涌现出复杂的全局行为。 当前主要的几种群集智能方法包括蚁群算法[1]和粒子群[2]优化。蚁群算法模拟蚂蚁的寻食行为，以环境中信息素的挥发机制进行蚂蚁的信息的交互，成而完成寻优的过程，而粒子群算法模拟鸟类的信息，通过历史上种群和个体所搜寻到的最优解，进行信息的交互。无数的文献表明这两种算法在解决各类优化问题时，取得了比传统的优化算法更好地结果。 针对基本的蚁群算