原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
蚁群算法在人力资源优化配置中的应用研究主要内容指派问题模型和研究现状基本蚁群算法改进的蚁群算法（APACO）演示系统设计实验分析结论人力资源优化配置问题可归于一类指派问题。匈牙利算法。运筹学中最基本的方法。小数据集，手工。降阶优化算法。用系数矩阵对解矩阵进行变换。缩小可行解数目闭环DNA算法。大量的识别序列和DNA编码。内切酶有限。……蚁群算法、遗传算法、协商算法、基于模糊关系的工作分配算法等求解最优化问题的启发式方法被广泛关注，应用于任务指派问题的研究中。1-1指派问题的研究现状1-2指派问题的数学模型有个人和个任务，已知第个人做第个任务的费用为，要求确定人和任务之间的一一对应的指派方案，使完成这些任务的总费用最少。01数学模型：012-1蚁群算法概述nest1food2蚁群算法(AntColonyAlgorithm)是由意大利学者DorigoM，ColorniA等人于20世纪90年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式仿生进化算法。3Dorigo4图1蚁群寻径模拟52-2蚁群优化算法的研究现状蚁群优化是由蚂蚁系统演变而成的一种NP-hard问题的通用启发式解法。著名的旅行商问题（travelingsalesmanproblem,TSP）改进的蚁群算法：最大-最小蚂蚁系统混合蚂蚁系统快速蚂蚁系统……图2TSP模型2-3标准的蚁群优化系统2019转移规则012020信息素更新022021次优解032022最优解043ACOAP算法模型-1设需要指派3个人去完成3个任务，并知道每个人完成每个任务所需的费用，则可得到一个三行三列的系数矩阵。指派问题的系数矩阵形成移动矩阵相同行的不同列之间移动，并且此列未到达过信息素集中在节点转到下一个节点的代价为下一个节点的系数矩阵值转移概率并非选择最大节点，有干扰因子到达一个节点，立即进行节点信息素的更新所有蚂蚁完成一次觅食，比较次优解，全局信息素的更新图3ACOAP算法模型3ACOAP算法模型-2转移概率。产生随机数，如果，则根据下式，蚂蚁移向概率最大的节点。否则在可选节点中随机选择一个。01局部信息素更新。当蚂蚁选择此节点后，立即更新此节点的信息素。02全局信息素更新。当所有蚂蚁完成一次觅食后，得到次优解。优于全局最优解，更新全局信息素。034演示系统设计主要技术：Swing，Thread5实验1-1所有实验实验目的：得到信息素启发因子，期望值启发因子，干扰因子，蚂蚁数量，局部信息素挥发系数，全局信息素的挥发系数范围规模为10的干扰因子实验设置及结果，10次，迭代次数不同实验1-2干扰因子A信息素启发因子[1,2]，参考文献1B期望值启发因子为1，参考文献1C局部信息素挥发系数[0.2,0.4]，文献中取0.2D全局信息素挥发系数[0.6,0.8]，文献中取0.7E干扰因子[0.1,0.2]，文献中取0.35F蚂蚁数量，参考文献中的范围5实验1-3
文档评论（0）