- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
蚁群算法中参数设置对其性能影响的研究
蚁群算法中参数设置对其性能影响的研究
杜衡吉
李
勇
,
(曲靖师范学院计算机科学与工程学院, 曲靖 655011)
摘 要: 蚁群算法是一种新型的仿生智能算法,但由于算法中参数众多 ,各种参数值的设置对蚁群
算法的性能影响很大。 因此,蚁群算法中各参数的合理设置是十分关键的,这也是蚁群算法 研究的一个难点问题。 对蚁群算法的基本原理进行详细介绍,对蚁群算法中各参数对其性 能的影响以及各参数的合理设置进行分析研究。
关键词: 蚁群算法; 算法性能; 参数设置; 组合优化
引 言
蚁群算法(Ant Colony Optimization, ACO) 又称蚂蚁 算法,是一种用于求解组合优化问题的仿生智能算法, 由意大利学者 Dorgio 等人于 1991 年,受蚂蚁群体的短 路径觅食行为启发而提出的,具有分布式并行计算、正 反馈、鲁棒性较强等特点。 最初提出的蚁群算法是为了 解决 TSP 问题的,但经过近二十年的发展,蚁群算法如 今已在旅行商问题、工件排序问题、图着色问题、大规 模集成电路设计、车辆调度问题、负载平衡问题,以及 网络路由优化问题等方面取得了广泛的应用[1]。 但是由
正反馈现象, 最终所有的蚂蚁都会选择信息素浓度最
强也即距离最短的路径进行觅食[2]。 蚁群算法则正是模 拟蚂蚁的这种觅食行为的一种仿生优化算法, 由于蚂 蚁的这种觅食行为与传统的 TSP 问题十分相似,因此, 最初的蚁群算法也是以解决 TSP 问题为应用背景的。
下面以 TSP 问题为例解释说明蚁群算法的基本原 理。传统的 TSP 问题可以描述成 G=(C,E)的形式,其中
C= (c1,c2,…,cn)为 n 个城市构成的集合,E={eij|i,j∈n}
0
为 n 个城市之间的路径构成的边集合。
则蚁群算法的
基本原理是人工蚂蚁从源城市出发找出一条通往目标
城市的最短路径。
为:
蚂蚁选择路径的状态转移规则(1)
于蚁群算法中参数众多,
各种参数值的设置对蚁群算
法的性能影响很大。 因此,加强蚁群算法参数设置方面
的研究进而提高蚁群算法的性能, 对进一步推广蚁群 算法在各个领域的应用具有十分重要的意义。
Σ Σ Σ
α(t)η β(t)
Γij ij
,s奂allowedk
Σ Σ
Σ
Σ
α(t)η β(t)
Γij ij
Pij
k(t)=
(1)
Σ
Σs奂allowedk
Σ
Σ0,otherwise
Σ
蚁群算法的基本原理
自然界中的蚂蚁视觉系统绝大部分发育不全,甚
1
k(t)表示 t 时刻蚂蚁 k(k=1,2,… ,m)由城市 i 转
Pij
移到城市 j 的概率;ηij(t)表示从城市 i 转移到城市 j 的
启发信息,一般取 ηij(t)=1/dij; dij 表示城市 i 与城市 j之间 的距离(i,j=1,2, … ,n); Γij (t) 表示 t 时刻在 eij 边上残 留的信息量,在初始时刻 Γij (0)=c(c 常取为 0);α 为信 息素的重要程度;β 为启发信息的重要程度; allowedk=
{1,2, …,n}-tabuk 表示蚂蚁 k 下一步允许选择的城市
至根本没有视觉系统,
但是它们却可以依靠一种称之
为信息素(Pheromone)的物质来进行彼此之间的交流。
每只蚂蚁在觅食的过程中, 会在它所经过的路径上释 放一定量的信息, 并且通过感知路径上存在的信息强
度来选择路径,
这样整个蚂蚁群就表现为一种信息素
收稿日期:2012-03-23
修稿日期:2012-05-04
个时刻,蚂蚁完成一次周游过程后,边 eij 上的信息素可
时,蚂蚁以往走过路径上留下的信息素挥发较快,蚂蚁
根据(2)式进行调整。
以往路径上的信息量减小到接近于 0,以前搜索过的路
径被再次选择的可能性过大,
算法的随机性能和全局
ΣΓij(t+n)=(1-ρ)Γij(t)+ΔΓij(t)
Σ
Σ
Σ
n
搜索能力都会被减弱。 反之,如果 ρ 过小,虽然可以提
高算法的随机性能和全局搜索能力, 算法的收敛速度 却被大大减慢。 因此,设置适当的信息素挥发因子对于
(2)
Σ
ΣΔΓij(t)=ΣΔΓij (t)
Σ
k
Σ
Σ
k=1
Γij(t+n)表示在 t+n 时刻路径 eij 上的信息素;ρ 表示
信息素挥发系数,ρ∈(0,1);O 表示在本次循环中路径
提高算法的全局搜索能力和收敛速度都至关重要。
关
上 eij 的信息素增量; ΔΓij (t)表示第 k 只蚂蚁在本次循
k
于信息素挥发因子对蚁群算法的影响, 实验可将参数
环中留在路径 eij 上的信息素。
式(3)进行计算。
其中 ΔΓij (t)可按如下公
k
设置为 m=10、Q=100、α=1、β=5,
停止条件为
您可能关注的文档
- 莞番高速公路东莞段环境影响评估项目第三次招标.doc
- 莫代尔_棉混纺织物染色工艺的优化.docx
- 莒南房地产市场调研报告.ppt
- 莫斯科地铁的特点及对我国地铁的启示.docx
- 莫桑比克水泥市场投资分析研究_上_.docx
- 莫桑比克钽铌资源概述.docx
- 莫诺苯宗乳膏的制备与质量控制.docx
- 莱顿小城市调资料.doc
- 莆田骏乘涵江塘北项目整体定位与发展战略.ppt
- 莱阳梨品牌拓展的SWOT分析与对策研究.docx
- 湖北省部分学校2024-2025学年七年级语文上学期第一次月考卷(含答案).pdf
- 吉林省吉林市松花江中学2024-2025学年八年级上学期9月月考数学试题(含答案).pdf
- 湖北省部分学校2024-2025学年七年级上学期数学第一次月考卷(含答案).pdf
- 江西省南昌市2025届高三年级摸底测试 英语试卷(含答案,含听力原文无音频).pdf
- 湖北省部分学校2024-2025学年七年级上学期道德与法治第一次月考卷(含答案).pdf
- 四川省成都市简阳市2022-2023学年八年级上学期期末语文试题(含答案).pdf
- 小学数学人教版(2024)五年级上第五单元 简易方程(无答案).pdf
- 陕西省商洛市山阳县色河铺镇九年制学校2023-2024学年八年级上学期期末道德与法治试题(含答案).pdf
- 四川省广安市岳池县岳池中学等校2024-2025学年高二上学期开学语文试题(无答案).pdf
- 山东省青岛第三十九中学2022-2023学年七年级下学期数学期中试题(含部分答案).pdf
最近下载
- (高清版)B 15982-2012 医院消毒卫生标准.pdf VIP
- 医院护理人员绩效考核评价制度.doc VIP
- JTG E 20-2011公路工程沥青及沥青混合料试验规程释义手册_(高清-无水印).pdf
- 初中英语新外研版七年级上册Unit 1 A new start课文讲解(2024秋).doc
- 可爱的四川 主题一:自然之美 第1课 享誉世界的超级明星-国宝大熊猫 教案.doc
- 机械安全培训PPT课件.ppt
- 昌吉市新联煤矿煤矿施工组织设计修改版.doc VIP
- 【精品课件】 苏科版信息技术五年级全一册 第3课 火柴人跳舞.ppt VIP
- ASME-B1.3-2007-个人中文翻译(仅供参考).docx VIP
- 《全面质量管理》习题集.docx VIP
文档评论(0)