期刊文献+

基于目标函数梯度的模拟退火蚁群算法

下载PDF
导出
摘要 根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。
作者 弓英瑛 许峰
出处 《软件导刊》 2013年第12期61-63,共3页 Software Guide
基金 安徽省教育厅自然科学基金项目(2012kb236)
  • 相关文献

参考文献11

  • 1DORIGO M.Optimization. learning and natural algorithms[D].Di-partimento di Elettronica,Politecnico di Milano,1992.
  • 2BONABEAU E,DORIGO M,THERAULAZ G. Inspiration for op-timization from social insect behavior[J].{H}NATURE,2000,(06):39-42.
  • 3MICHAEI J B K,JEAN-BERNARRD B,LAURENT K. Ant-like task and recruitment in cooperation robots[J].{H}NATURE,2000,(31):992-995.
  • 4JACKSON D E,HOLCOMBE M,RATNIEKE F L W. Trail geom-etry gives polarity to ant foraging networks[J].{H}NATURE,2004,(7019):907-909.
  • 5N METROPOLIS,A ROSENBLUTH,MROSENBLITH. E-quation of state calculations by fast computing machines[J].J Chem Phys,1953,(06):1087-1092.
  • 6S KIRKPATRICK,C D GELATT,M P VECCHI. Optimization by simulated annealing[J].{H}SCIENCE,1983,(4598):671-680.
  • 7梁旭;黄明.现代智能优化混合算法及其应用[M]{H}北京:电子工业出版社,2011.
  • 8许智宏,宋勃,郭艳艳.模拟退火与蚁群混合并行算法解旅行商问题[J].河北工业大学学报,2010,39(2):48-51. 被引量:6
  • 9刘波,蒙培生.采用基于模拟退火的蚁群算法求解旅行商问题[J].华中科技大学学报(自然科学版),2009,37(11):26-30. 被引量:19
  • 10张晓婧,高慧敏.基于模拟退火的蚁群算法求解Job-Shop问题[J].计算机应用与软件,2008,25(5):77-79. 被引量:7

二级参考文献18

  • 1王常青,操云甫,戴国忠.用双向收敛蚁群算法解作业车间调度问题[J].计算机集成制造系统,2004,10(7):820-824. 被引量:31
  • 2杨阿莉.一种改进蚁群算法在车间作业调度问题中的研究与应用[J].机械与电子,2005,23(4):9-12. 被引量:8
  • 3刘玉霞,王萍,修春波.基于模拟退火策略的逆向蚁群算法[J].微计算机信息,2006,22(12S):265-267. 被引量:10
  • 4吕强,高彦明,钱培德.共享信息素矩阵:一种新的并行ACO方法[J].自动化学报,2007,33(4):418-421. 被引量:11
  • 5Marco Dorigo,Luca Maria Gambardella.Ant colonies for the traveling salesman problem[J].Bio Systems,1996,43(1997):73-81.
  • 6唐立山 谢云 尤矢勇.非数值并行算法-模拟退火算法[M].北京:科学出版社,1994..
  • 7M Dorigo, V Maniezzo, A Colorni. Positive feedback as a search strategy [R]. Technical Report 91-016, Dipartimento di Elettronica, Politecnico di Milano, IT, 1991.
  • 8M Dorigo, V Maniezzo, A Colorni. The ant system: Optimization by a colony of cooperating agents [J]. IEEE Transactions on Systems, Man, and Cybernetics Part B, 1996, 26(1): 29-41.
  • 9M Dorigo, L M Gambardella. Ant colony system: A cooperative learning approach to the traveling salesman problem [J]. IEEE Transactions on Evolutionary Computation, 1997, 1(1): 53-66.
  • 10T Stützle. H Hoos. The MAX-MIN ant system and local search for the traveling salesman problem [C]. In T. Baeck, Z. Michalewicz, and X. Yao, editors, Proceedings of IEEE-ICEC-EPS'97, IEEE International Conference on Evolutionary Computation and Evolutiona

共引文献48

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