改进蚁群算法在TSP中应用.docVIP

改进蚁群算法在TSP中应用 　　摘要：介绍了蚁群算法的特点，提出了基于蚁群算法的TSP问题的求解方法，并分别建立基本蚁群算法及MAX―MIN蚁群算法模型，并引入“三步走”法确定模型参数的最优组合，还结合了交叉局部优化相关的求凸壳顶点的算法进行预处理，进行仿真分析比较。实验结果表明基于MMAS模型相对于基本蚁群算法模型，有比较好最短路径选择能力及良好的可扩展性能，能够较好地适应物流配送系统的要求。 　　关键词：TSP；MMAS；信息素；三步走法 　　中图分类号：F224文献标识码：A文章编号：1002-3100(2009)01-0027-03 　　 　　Abstract: Introduces the features of ant colony optimization, puts forward solving method of TSP based on ant colony optimization, establishes these models of basic ant colony optimization and max-min ant colony optimization respectively, ascertains optimum combination of model parametric by three-step method and carries out reprocessing combining algorithm of convex hull peak related to cross-regional optimization to carry on simulation analysis and comparison. The result indicates that MMAS is superior to basic ant colony optimization because it chooses the shortest path and better meets the demand of logistics distribution system. 　　Key words: TSP; MMAS; pheromone; three-step method 　　 　　0引言 　　 　　蚁群算法，是一种用来在图中寻找优化路径的机率型技术，由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，经过各种数值仿真结果表明该算法具有许多优良的性质，具有一种新的模拟进化优化方法的有效性和应用价值，是一种求解组合最优化问题的新型通用启发式方法，具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点，通过建立适当的数学模型，可以解决一维静态优化问题甚至多维动态组合优化问题。 　　本文采用蚁群算法对TSP问题进行研究，设计一个基本的蚁群算法解决最短路径问题的模型，并提出一种最大――最小蚂蚁系统（MMAS）模型，通过引入“三步走”法确定模型参数的最优组合，使所选参数让性能达到最优；改进信息素更新规律及动态调整参数；并且引进去交叉局部优化相关的求凸壳顶点的算法，改进算法的局部搜索能力，对MMAS模型加以改进，最终使收敛速度和收敛效果达到令人满意的结果。 　　 　　1基本蚁群算法及MMAS在TSP中的应用 　　 　　1.1问题描述 　　旅行商问题（traveling salesman problem，TSP）是著名NP 完全问题之一，常被用于测试和评价算法的性能。该问题可以简单描述如下：有一个商人需要选择一条最短的哈密顿回路拜访各城市，即所有城市必须经过且只经过一次，而最后要回到原来出发的城市。如果用穷举的办法解决该问题，时间复杂度显然是很大。当比较大的时候，现有的计算机是无法在可接受的时间内求解该问题的。因此很多高效的算法被用于尝试求解TSP。本文采用蚁群算法对TSP问题进行研究，并通过基本蚁群算法、MMAS、改进的MMAS三者直接的比较得出最优解。 　　1.2算法设计 　　（1）蚁群算法构造TSP问题的基本数学模型 　　设bt表示t时刻位于元素i城市的蚂蚁数目，m表示蚂蚁的总数目，n表示城市的规模： 　　 t+n=p#8226;t+△t（1） 　　t为t时刻路径i,j上的信息量，则m=bt在初始时刻各路径上的信息量相等，并设0＝const。 　　蚂蚁kk＝1,2,…,m在运动过程中，根据各路径上的信息量决定其转移方向。这里用禁忌表tabu（k＝1,2,3,…,m）来记录蚂蚁k当前所走过的城市，集合随着tabu进化过程做动态调整。在搜索过程中，蚂蚁根据各条路径上的