粒子群算法解决TSP问题.docxVIP

河南理工大学计算机科学与技术学院 课程设计报告 2014— 2015学年第一学期 课程名称 Java语言程序设计 设计题目利用粒子群算法解决TSP问题 姓 名 学 号 专业班级 计科合13 指导教师 2015年 1月2日 目录 TOC \o 1-5 \h \z \o Current Document 课程设计内容 2 （一） 课程设计题目 2 （二） 课程设计目的 2 （三） 课程设计要求 2 \o Current Document 算法相关知识 2 \o Current Document （一） 粒子群算法简介 2 （二） 人工生命简介 3 \o Current Document （三） 粒子群算法的流程图及伪代码： 4 \o Current Document 三?算法的JAVA实现 5 \o Current Document 课程设计的总结体会 14 \o Current Document 参考文献 14 一.课程设计内容 (一)课程设计题目 应用粒子群算法(Particle Swarm Optimization)求解 旅行商问题(TSP)； 旅行商问题： 即TSP问题(Travelling Salesman Problem) 乂译为旅行推销员问题、 货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个 城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而 且最后要回到原来出发的城市。路径的选择口标是要求得的路径路程为所有 路径之屮的最小值 (-)课程设计目的 1?训练应用算法求解实际问题； 2训练应用Java语言实现具体问题的求解算法； 3.到达理解java语言的应用特点以及熟练应用java语言的目标。 (三)课程设计要求 读懂算法，理解算法计算过程屮每一步操作是如何实现的； 设计函数优化的编码格式； 3?采用java语言编程实现算法的求解过程； 4?掌握粒了群算法的基木原理，了解在JAVA环境中实现粒了群算法的过 程。 二.算法相关知识 (一)粒子群算法简介 粒子群算法简称PSO,它的基木思想是模拟鸟群的捕食行为。设想这样一个 场景：一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道 食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策 略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。 PS0从这种模型屮得到启示并用于解决优化问题。PSO屮，每个优化问题的解都是 搜索空间中的一只鸟。我们称Z为“粒了” O所有的粒了都有一个由被优化的函 数决定的适应值(fitness value),每个粒子述有-一个速度决定他们飞翔的方向和 距离。然后粒了们就追随当前的最优粒了在解空间中搜索。 PSO初始化为一群随机粒子(随机解)。然后通过迭代找到最优解。在每一次迭代 中，粒了通过跟踪两个〃极值〃来更新口己。第一个就是粒了本身所找到的最优解, 这个解叫做个体极值pBesto另一个极值是整个种群目前找到的最优解，这个极 值是全局极值gBesto另外也可以不用整个种群而只是用其中一部分作为粒了的 邻居，那么在所有邻居中的极值就是局部极值。 粒子公式：在找到这两个最优值时，粒子根据如下的公式來更新自己的速度和新 的位置： v[i]二 w * v[i] + cl * rand() * (pbest[i] - present[i]) + c2 * rand() * (gbest - present [i]) present[i] = present[i] + v[i] 其中v[订代表第i个粒子的速度,w代表惯性权值,cl和c2表示学习参数,randO表示在 0-1之间的随机数,pbest[i]代表第i个粒子搜索到的最优值,gbest代表整个集群搜索到的 最优值,present [i]代表第i个粒了的当前位置。 (-)人工生命简介 〃人工生命〃是來研究具有某些生命基本特征的人工系统。 两方面内容 研究如何利用计算技术研究生物现象 研究如何利用生物技术研究计算问题 我们现在关注的是第二部分的内容。现在己经有很多源于生物现象的计算技巧. 例如,人工神经网络是简化的大脑模型。遗传算法是模拟基因进化过程的. 社会系统。 现在我们讨论另一种生物系统-社会系统。更确切的是，在由简单个体组成的群 落与环境以及个体之间的互动行为。也可称做〃群智能〃(swarm intelligence). 这些模拟系统利用局部信息从而可能产生不可预测的郡体行为 例如floys和birds他们都用来模拟血群和鸟群的运动规律，主要用于计算机 视觉和计算机辅助设计。 在计算智能(computational intelligence)领域有两种基于群智能的算法.蚁群