仿生蚊子追踪算法

旅行商问题(Traveling Salesman Problem,TSP)是NP完全问题中最为著名的问题,它易于陈述而难于求解,至今尚未找到准确有效的求解大规模TSP问题的方法.文中提出了能求出TSP有效近似最优解的新的蚊子追踪(Mosquito Host-Seeking,MHS)算法,证明了蚊子的目标追踪行为和MHS数学模型的一致性、蚊子追踪算法的收敛性,并通过理论证明确定了MHS算法中各参数的选择范围.蚊子追踪算法是一个全新的仿生算法.文中以TSP问题为载体,详细提出了蚊子追踪算法的动机、生物学模型、数学模型、算法、理论基础(数学证明)及大量实验结果.从理论和实验两方面证明了蚊子追踪算法能够求出TSP问题理论上的优化解.

群蚊子追踪算法

为利用高性能计算平台解决大规模复杂性问题,提出群蚊子追踪算法(GMHSA)。GMHSA是受到蚊子吸血行为的启发,以信息动力学为基础而提出的智能优化算法,涉及最大最小公平性及群体交互行为。利用群体分类机制,引入决策权概念,在整个种群中选择领导群体。利用领导力函数进行博弈,保持自身优越性,同时摆脱局部最优解。通过旅行商问题(TSP)对该算法进行测试,与其他智能优化算法进行对比,16节点并行实验中其加速比最高能达到15.8,接近线性加速比;而且GMHSA模型可直接用于运输问题等实际优化问题。结果表明GMHSA具有高度并行性及扩展性,是一种解决涉及行为的复杂优化问题的有效方法。