改进ACO算法在DTSP中的应用研究-计算机软件与理论专业论文.docx

- - III - 目 录 摘 要 I Abstract II 1 绪论 1 1.1 课题研究背景和意义 1 1.2 国内外研究现状 1 1.3 本文研究内容 2 1.4 本文组织结构 2 2 蚁群算法基本原理 4 2.1 蚁群算法的原理概述 4 2.2 蚁群优化元启发式 6 2.2.1 元启发式算法 6 2.2.2 蚁群优化元启发式 7 2.3 基本蚁群算法 8 2.3.1 蚂蚁系统的模型 8 2.3.2 蚂蚁算法的优缺点 10 2.4 改进的蚂蚁系统 11 3 基于免疫疫苗的蚁群优化算法 15 3.1 免疫系统相关概念 15 3.2 ACOIV 算法 16 3.3 实验结果 18 3.4 实验总结 21 4 具有信息素动态更新的免疫疫苗蚁群优化算法 22 4.1 算法的改进思路 22 4.2 DACOIV 算法 22 4.3 实验结果 24 4.4 实验总结 26 - - IV - HYPERLINK \l _TOC_250005 5 基于 Delaunay 三角剖分的蚁群优化算法 27 HYPERLINK \l _TOC_250004 5.1 Delaunay 三角剖分 27 HYPERLINK \l _TOC_250003 5.1.1 Voronoi 图 27 5.1.2 三角剖分 28 HYPERLINK \l _TOC_250002 5.1.3 Delaunay 三角剖分 30 HYPERLINK \l _TOC_250001 5.2 基于 Delaunay 三角剖分的大规模 DTSP 问题求解 34 5.2.1 候选集策略 34 HYPERLINK \l _TOC_250000 DDACO 算法 36 5.3 实验结果 38 5.4 实验总结 40 结 论 41 参考文献 42 作 者 简 历 45 学位论文原创性声明 46 学位论文数据集 47 - - PAGE 1 - 1 绪论 1.1 课题研究背景和意义 动态旅行商问题（ Dynamic traveling salesman problem，DTSP ）是一种在问题求解时， 随时间、约束条件的变化可以动态添加或删除城市结点。问题求解的目标是在每次城市结 点改变后尽可能快的找出新的最短路径。与旅行商问题相比， DTSP 问题能更好的模拟现 实社会行为。对 DTSP 问题提出高效的算法，将知识软实力转化为实际生产力，推动经济 社会的发展，提升科研水平，为 DTSP 进一步研究提供参考价值。 蚁群优化算法被认为是求解组合优化问题最有效的随机优化算法，但是针对蚁群优化 算法的收敛速度慢，迭代到一定次数算法的停滞的缺陷，如何提出更有效的改进，进一步 扩大蚁群优化算法的应用范围，提高蚁群优化算法的效率，将蚁群优化算法更好的服务于 现实社会，将是一个很有意义的事情。 本论文在深入研究基本蚁群优化算法原理、收敛性、算法性能等知识后，提出三种改 进策略，并跟蚁群优化的其它算法进行算法性能的比较，同时用 DTSP 问题对改进后的算 法进行求解验证，为以后 DTSP 问题的求解研究提供理论指导意义及实用性价值。 1.2 国内外研究现状 TSP 问题（旅行商问题）由 Karl Menger 于 20 世纪 20 年代初首先年提出后，一直是 国内外学者研究的热点问题。传统的 TSP 问题是给定 n 个城市，旅行商从某一城市出发， 遍历完所有城市当且仅当遍历一次，最后回到出发城市的最小 Hamilton 回路。TSP 问题是 组合优化中的 NP 难问题之一，而 DTSP（动态旅行商问题）又对 TSP 问题增加了实时需求， 显然 DTSP 问题也是 NP 难问题。DTSP 问题中城市结点的个数，以及结点间的代价是随着 时间、需求的变化而变化的，DTSP 能及时捕捉处理这种变化（如城市结点的增加、删除）， 并在有限时间求得变化后的最优解。 DTSP 问题具有实时性、连续性、健壮性和高效性的 特点。 近年来，在 TSP 问题研究的基础上，有些学者开始对 DTSP 问题进行研究。Guntsch M 等提出用蚁群算法求解 DTSP 问题[1]，实验表明算法是有效的；康立山等人从算法性能的 角度，提出基于弹性松弛法的 DTSP 问题的求解研究[2-3]，用误差来衡量算法的效果，迄今 是国际上算法性能最高的; 李锋等用遗传算法对 DTSP 问题进行求解，对道路流量实时变 化的 DTSP 问题建模求解[4]；李树刚等人设计了基于模糊规则的在线遗传算法，对 DTSP 问 题求解[5]。 蚁群优化算法自上世纪 90 年代初由 Dorigo 提出后，针对基本蚁群算法收敛速度慢， 易出现停滞和收敛到局部最优解的缺点，研究者相继提出许多改进算法