全局和局部最优解对蚂蚁群优化算法性能的影响

The Influence of Global and Local Best Solutions on Performance of Ant Colony Optimization

下载PDF

导出

摘要蚂蚁群优化算法(ant colony optimization, ACO)是一种元启发式方法,其中一群相对简单的Agent(人工蚂蚁)相互合作,求解离散优化问题.对第1个蚂蚁算法(ant system)进行扩展的大量研究表明,采用精英策略可以较好地改善算法性能.探讨了全局最优解和局部最优解间的平衡与解空间搜索的intensification,exploration的关系,及其对ACO算法性能的影响.实验结果表明,合理利用全局和局部最优解,可以显著提高ACO算法的性能.

作者吴圣宁李思昆

机构地区国防科学技术大学计算机学院

出处《计算机研究与发展》 EI CSCD 北大核心 2006年第z1期127-131,共5页 Journal of Computer Research and Development

基金国家自然科学基金项目(90207019) 国家"八六三"高技术研究发展计划基金项目(2002AA1Z1480)

关键词蚂蚁群优化局部最优解全局最优解精英策略

分类号 TP301 [自动化与计算机技术—计算机系统结构]

引文网络
相关文献

参考文献9

1[1]Marco Dorigo,Thomas Stutzle.Ant Colony Optimization[M].Cambridge,Massachusetts:The MIT Press,2004
2[2]M Dorigo,V Maniezzo,A Colorni.Ant system:Optimization by a colony of cooperating agents[J].IEEE Trans on Systems,Man and Cybernetics-Part B,1996,26(1):29-41
3[3]M Dorigo,V Maniezzo,A Colorni.Positive feedback as a search strategy[R].Dipartimento di Elettronica,Politecnico di Milano,Milan,Tech Rep,1991
4[4]B Bullnheimer,R F Hartl,C Strauss.A new rank-based version of the ant system:A computational study[J].Central European Journal for Operations Research and Economics,1999,7(1):25-38
5[5]T Stutzle,H H Hoos.MAX-MIN ant system[J].Future Generation Computer Systems,2000,16(8):889-914
6[6]M Dorigo,L M Gambardella.Ant Colony System:A cooperative learning approach to the traveling salesman problem[J].IEEE Trans on Evolutionary Computation,1997,1(1):53-66
7[7]S Iredi,D Merkle,M Middendorf.Bi-criterion optimization with multi colony ant algorithms[G].In:E Zitzler et al,eds.Proc of EMO 2001,LNCS 1993.Berlin:Springer,2001.359-372
8[8]M Guntsch,M Middendorf.Solving multi-criteria optimization problems with population-based ACO[G].In:C M Fonseca,et al,eds.Proc of EMO 2003,LNCS 2632.Berlin:Springer,2003.464-478
9[9]K Doerner,W J Gutjahr,R F Hartl,et al.Pareto ant colony optimization:A metaheuristic approach to multiobjective portfolio selection[J].Annals of Operations Research,2004,131(1/3):79-99

1詹士昌,徐婕,吴俊.蚁群算法中有关算法参数的最优选择[J].科技通报,2003,19(5):381-386. 被引量：155
2刘红,韦穗.遗传算子的分析[J].计算机技术与发展,2006,16(10):80-82. 被引量：8
3高志娥,薛艳锋,兰静.混合型蚁群算法及其应用——以旅行商问题为例[J].软件导刊,2015,14(4):73-74. 被引量：1
4姚建,赵勋杰.结合肤色模型和Adaboost算法的人脸检测[J].苏州大学学报（自然科学版）,2009,25(3):63-67. 被引量：4
5刘业政,凌海峰,杨善林.蚁群优化的研究进展及应用[J].合肥工业大学学报（自然科学版）,2006,29(1):41-44.
6汪镭,Wu,Qidi,Qiao,Fei.Ant System Algorithm Research and Its Applications[J].High Technology Letters,2002,8(4):91-96.
7乐天,陆慧娟,崔振东,张威.分层协同进化的果蝇优化算法[J].浙江海洋学院学报（自然科学版）,2015,34(5):491-496. 被引量：1
8余峰,汤庸,潘炎.一种工作流模型的挖掘方法[J].计算机研究与发展,2007,44(z3):516-520.
9Alberto Rocha TONG Fu (School of Computer Engineering and Science, Shanghai University) YAN Zhuang zhi (School of Biomedical Engineering, Shanghai University).A Computer Aided Consultant System for Mammogram Diagnosis[J].Advances in Manufacturing,1999(4):293-298.
10谭冠政,贺欢,Aaron Sloman.Global optimal path planning for mobile robot based onimproved Dijkstra algorithm and ant system algorithm[J].Journal of Central South University of Technology,2006,13(1):80-86. 被引量：20

计算机研究与发展

2006年第z1期

浏览历史

内容加载中请稍等...

全局和局部最优解对蚂蚁群优化算法性能的影响

参考文献9

相关作者

相关机构

相关主题

浏览历史