期刊文献+

混合蚁群优化算法及其在TSP中的应用研究

原文传递
导出
摘要 结合粒子群算法的思想,提出用混合蚁群算法来求解著名的旅行商问题(TSP)。其核心是应用粒子群算法对蚁群算法的3个控制参数()进行优化,以及运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具有很强的全局搜索能力。对旅行商问题的仿真结果表明:新算法改进了传统蚁群算法的性能,取得了非常好的效果。
出处 《山西财经大学学报》 CSSCI 北大核心 2009年第S1期319-320,共2页 Journal of Shanxi University of Finance and Economics
  • 相关文献

参考文献13

  • 1K.E. Parsopoulos,M.N. Vrahatis.Recent approaches to global optimization problems through Particle Swarm Optimization[J]Natural Computing (-),2002(23).
  • 2DAWEI LIU,SHAN WANG.Analysis of Database Work-load on Modern ProcessorsSIGMOD Workshop onInnovative Database Research,2007.
  • 3BIAO QIN<http://www.
  • 4DAWEI LIUSHAN WANG<http://www.
  • 5WEIWEI GONG<http://www.
  • 6Characterizing DSS Workloads from the Pro-cessor PerspectiveAP Web/WAIM.
  • 7Dorigo M;Caro G D.Ant Algorithms for Discrete Optimization,1999(03).
  • 8Dorigo M,Gambardella LM.Ant colony system: a cooperative learning approach to the traveling salesman problemIEEE Transactions on Evolutionary Computation,1997.
  • 9Stutzle Thomas,Hoos Holger H.MAX-MIN ant systemFuture Generation Computer Systems,2000.
  • 10K E Parsopoulos,M N Vrahatis.Recent Approaches to Global Optimization Problems through Particle Swarm OptimizationNatural Computing,2002.

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部