基于局部优化策略求解TSP蚁群算法.docVIP

基于局部优化策略求解TSP蚁群算法 　　摘 要：为了克服基本蚁群算法收敛速度慢、易于停滞的缺陷，提出了一种基于局部优化策略的蚁群算法（LOACA）。该算法根据TSP的特点,采用了三种局部优化算子来交换搜索路径中城市的位置,以改进解的质量。以TSP为例进行的实验结果表明，该算法优于ACA和ACAGA。?? 　　关键词：蚁群算法；局部优化；旅行商问题?? 　　中图分类号：TP301．6 文献标志码：A 　　 文章编号：1001-3695(2008)07-1974-03 　　?? 　　Ant colony algorithm based on local optimization for TSP 　　GONG Ben??can????1,2??,LI La??yuan??2,JIANG Ting??yao??1,WANG Xiang??li??2 　　??(1.College of Electrical Engineering Information Technology, China Three Gorges University, Yichang Hubei 443002, China;2.College of Computer Science Technology, Wuhan University of Technology, Wuhan 430063, China) 　　 　　??Abstract:This paper proposed an ant colony algorithm based on local optimization (LOACA) to avoid the default of slow convergence speed and early stagnation in the basic ant colony algorithm (ACA). According to the features of TSP, it used three local optimization operations to exchange the position of cities in the search paths to gain the better solutions. Experimental results for solving TSP show that the proposed algorithm performs better than ACA and ACAGA.?? 　　Key words:ant colony algorithm;local optimization;TSP (traveling salesman problem) 　　?お? 　　旅行商问题是一个经典的组合优化问题，在给定??n??个城市及其坐标位置的情况下，它要求一条经过每个城市一次且仅一次的最短Hamilton回路。设??G=（V，E，d）??表示一个加权图。其中：??V??是城市??v??i??的集合；??E??是连接两个城市的边集；??d??是边的权值，即两个城市之间的距离。TSP的数学描述为??T??=min({?丢?ni=1d(v??i,v????i+1??)+d(v??n+v??1)})??。TSP在许多工程领域具有广泛的应用价值，如电路板布线、VLSI芯片设计、机器人控制、交通路由等。但TSP的求解是NP??hard问题。随着城市数目的增多,问题空间将呈指数级增长,无法在多项式时间内找到精确解。最近许多研究者用各种启发式算法来求解该问题，比较流行的算法有蚁群算法(ACA)[1]、遗传算法(GA)[2]、模拟退火(SA)[3]、禁忌搜索(TS)[4]、神经网络(NN)[5]、粒子群优化算法(PSO)[6]、免疫算法(IA)[7]等。在这些算法中蚁群算法取得了较好的效果。蚁群算法是20世纪90年代由意大利学者Macro Dorigo等人提出的一种仿生算法。它模拟了自然界中蚂蚁的觅食行为，蚂蚁在觅食过程中会在经过的路径上留下一种称为信息素的物质，蚂蚁选择路径的概率与路径上信息素的强度成正比；经过某条路径的蚂蚁越多，在该路径上留下的信息素也越多，后面的蚂蚁选择这条路径的概率就越大。通过正反馈，蚂蚁很快能够找到从蚁巢到食物源的最短路径。蚁群算法具有很多优点，如很强的发现较好解的能力、鲁棒性强、分布式计算、简单、易于与其他算法结合等；但也有一些缺陷，如收敛速度慢、易陷入局部最优解。局部优化能在一定程度上缓解蚂蚁算法存在的不足，比较常见的局部优化方法有2??OPT、3??OPT、LK等。本文在这些方法的基础上，提出了三种局部优化算子，有效地改进了蚁群算法的性能。?? 　　 　　1 基