改进蚁群算法 [基于改进蚁群算法的TSP问题研究] .docVIP

改进蚁群算法 [基于改进蚁群算法的TSP问题研究] 　　摘要: 由于基本蚁群系统算法没有考虑节点位置,对所有的解采用相同信息素蒸发准则，使算法收敛速度慢，易于停滞，且易收敛于局部最优，为了克服这一缺点，提出了基于距离导引函数构建解，同时采用分级蒸发参数控制蒸发信息素，对蚁群系统算法进行改进，通过仿真实验得到本文算法比基本蚁群系统算法更好的解，且解的性能更好. 　　关键词: 蚁群系统算法;蚁群优化算法;旅行商问题 　　中图分类号:TP18 　　 文献标识码:A文章编号:1672-8513(2010)03-0220-04 　　An Improved Ant Colony Algorithm for the Traveling Salesman Problem 　　LIANG Zhi?mao, TENG Jian?hua, HE jin 　　 (School of Electrical and Information Technology, Yunnan University of Nationalities，Kunming 650031, China) 　　Abstract: Due to its neglecting the node location and using the same criteria for pheromone evaporation, the AS algorithm is of slow convergence and easy-to-stagnation, and tends to converge to the local optimum. This paper brings up the solution based on the distance-based function in which the evaporation-pheromones can be controlled by adopting a classification parameter. The simulation experiments have shown that this one has better solutions with better performance. 　　Key words: 　　ant colony optimization; ant algorithm; Traveling Salesman Problem（TSP） 　　蚁群优化（ACO）算法是一种仿生学群体智能算法［1］，是Dorigo等学者在真实蚂蚁觅食行为的启发下提出的一种具有高度创新性的元启发式算法.经过国内外学者在近10多年的研究，ACO算法已经应用到交通过程、通信、计算机、电力、机器人设计及控制、化工、工程应用等领域，按不同的建模方法其研究包括以下问题：路由（旅行商问题、车辆路由、顺序排列）；分配（二次分配、图着色、广义分配、频率分配）；调度（工序车间、开放车间、工作流车间）；子集（多重背包、最大独立集）；机器学习（分类规则、贝叶斯网络、模糊系统）；网络路由（面向连接的网络路由、无连接的网络路由、光学网络路由）；最短公共超序列；带约束满足；2D-HP蛋白质折叠；箱子包装等［2］. 　　1 基本蚁群算法 　　Dorigo等［1］在1991年提出蚂蚁系统(Ant System,AS)算法，其有2个主要步骤，即解的构建和信息素的更新, 信息素本来是蚂蚁在所经过的路上释放的一种挥发性化学物质，蚂蚁通过它来选择路径，在蚂蚁系统算法中通过信息素来反映边被蚂蚁选择的情况. 　　1.1 解的构建 　　在AS中，?m?只蚂蚁并行地构建TSP的路径.在路径构建的每一步中，蚂蚁?k按照一个称为随机比例规则的概率行为选择规则，来决定下一步将移向哪一个城市.特别地，当前位于城市i的蚂蚁k选择j作为下一个访问城市的概率是? 　　α表示信息素因子，β表示启发式因子; 　　信息素τ??ij是蚂蚁在边(i,j)释放的信息素，其实质是代表边被蚂蚁选择的情况，简单说选择的越多，则τ??ij越大. 　　每一只蚂蚁k都维护1个记忆存储M?k ,它按照访问的先后顺序记录所有已经过访问的城市的序号.记忆存储还允许蚂蚁计算其构造的路径T?k的总长度，还可以用来重新遍历该路径并释放信息素. 　　1.2 信息素更新 　　首先，所有边上的信息素都会减少1个产量因子的大小，然后在蚂蚁经过的边上增加信息素.信息素的蒸发根据下式执行 　　τ??ij←1－ρτ??ij,?(i,j)∈L,0 　　(x?j,y?j),(x???start?,y???start?),(x???end?,y???end?)分别表示下一节点、起始点、目标点（本文