基于信息素负反馈的超启发式蚁群优化算法

针对蚁群算法应用于自动导引小车路径规划收敛速度慢、极易陷入局部最优的缺点,提出一种基于信息素负反馈的超启发式蚁群优化(ACONhh)算法。该算法充分利用历史搜索信息和持续获得错误经验,较快引导蚁群探索最优路径;分层化选择可行节点,加快算法初期收敛速度;设置挥发因子呈类抛物线变化以及调整信息素更新机制,改善路径全局的随机搜索特性。通过严格的数学方式证明了ACONhh算法具有收敛性。仿真和实验结果表明,该算法的收敛速度以及全局搜索性能显著优于目前流行的ACO、ACOhh和ACOihh算法。