基于信息熵的改进蚁群算法求解TSP问题

针对蚁群算法求解精度低、易陷入局部最优的缺点,提出一种基于信息熵的自适应改进蚁群算法。通过算法自身特性定义结合熵值对种群参数进行自适应优化;采用分组合作的信息素更新策略,通过较活跃性个体引导整个种群,扩大搜索范围;通过对较优路径的奖励,平衡收敛速度和搜索范围之间的关系;在种群信息熵过低时,加入局部搜索策略,进一步提高算法精度。实验结果表明,相较于蚁群算法,改进算法具有较好的求解精度以及跳出局部最优的能力。

求解旅行商问题的探索—开发—跳跃策略单亲遗传算法

针对遗传算法求解旅行商问题(TSP)时容易早熟、收敛速度慢等问题,提出一种基于探索—开发—跳跃策略的单亲遗传算法(EDJS-PGA)。该算法将基因移位、倒序、交换三种算子组合构成探索策略,用于扩展解的搜索空间,增强算法全局搜索能力;再将logistic混沌映射和改良圈操作融合为一种混沌映射改良圈算子,用于增强算法的局部搜索能力,构成开发策略;最后针对种群中的同优个体设计了近邻变异算子,构成跳跃策略,增强了算法跳出局部最优解的能力,使其兼具个体变异、局部优化、防止早熟等多重作用。通过对18个TSP实例进行仿真实验,结果表明EDJS-PGA相较于传统单亲遗传算法具有更高的求解精度和收敛速度,且最优解偏差率和平均误差率均处于较低水平;与其他文献对比,EDJS-PGA具有更强的鲁棒性和求解效率。

旅行商问题(TSP)的改进遗传算法

对于中大规模ＴＳＰ问题的求解，提出了２种新的改进遗传算法：两交换启发交叉算法和三交换启发交叉变参算法·经过仿真实验和实例应用证明了算法的有效性·三交换启发交叉变参算法的性能优于两交换启发交叉算法·

一种改进遗传算法在旅行商(TSP)问题中的应用

遗传算法(GA)是一种基于自然群体遗传机制的高效搜索算法,由于它在搜索空间中同时考虑许多点,这样就减少了收敛于局部极小的可能,同时也增加了处理的并行性。因此,可以利用遗传算法研究典型的组合优化实例——TSP问题的求解问题。本文采用了启发武三交叉算子并提出了一种全新的变异算子,使得收敛速度更快,能更有效的解决TSP问题。

旅行商问题的人工免疫算法

This paper presents an Artificial Immune Algorithm (AIA)simulating the biological immune systems, andoffers its basic principle and approach. Comparing AIA with Genetic Algorithm (GAs)simulating the biological evolu-tion process, the paper points out that the method producing new antibodies in AIA is more versatile than the oneproducing new individuals in GAs. AIA reflects mechanism of natural selection better than GAs does, as AIA selectseffective antibodies from all antibodies by the appetency between an antibody and an antigen and by the repulsion be-tween an antibody and another, while GAs selects new individuals of next colony by the proportion of individual fit-ness. For Travel Salesman Problem (TSP), this paper brings forward how to describe antibodies artificially, how toproduce original antibodies, how to compute the appetency between an antibody and an antigen and the repulsion be-tween an antibody and another, and works out several artificial immune operators producing new antibod-ies. Simulating examples show that AIA is a very effective method for TSP.

求解旅行商问题的离散型贝壳漫步优化算法

提出基于离散型贝壳漫步优化算法(DMWO)的旅行商问题(TSP)求解算法.在DMWO的计算框架下构造TSP相应的评估函数及个体差异度量算子.针对离散型算法整体调整容易破坏已形成的较优路径问题,采用简单的2-opt算子进行局部调整,增强算法在求解TSP时的局部搜索能力.实验中采用多组不同规模的标准TSPLIB数据,对比同样采用2-opt算子的萤火虫优化算法和蚁群优化算法,DMWO在稳定性、解的准确性及所需的迭代次数等方面具有更好的性能.

一种求解旅行商问题的禁忌搜索算法

提出了一种求解旅行商问题的禁忌搜索算法,并对几个实例进行了计算机模拟．实验结果表明,在求解中小规模的旅行商问题上,该算法具有良好的性能．

求解旅行商问题的一种改进遗传算法

采用三交换启发交叉变参遗传算法来研究典型的组合优化问题—TSP问题,并进行计算机仿真,结果表明,与标准遗传算法相比较,三交换启发交叉变参遗传算法计算量少,收敛速度快,所得解优于标准遗传算法,更接近于最优解.

基于混合遗传算法的中国旅行商问题满意解

针对组合优化中的旅行商问题 ,提出了贪心法与遗传算法相结合的混合遗传算法。文中给出了相应步骤并就中国旅行商问题得出满意解 ,该解优于已报道的结果。

基于遗传算法的旅行商问题的研究

巡回旅行商问题(TSP)是一个组合优化方面的问题,已经成为测试组合优化新算法的标准问题。应用遗传算法解决TSP问题,首先对访问城市序列进行排列组合的方法编码,这保证了每个城市经过且只经过一次。接着生成初始种群,并计算适应度函数,即计算遍历所有城市的距离。然后用最优保存法确定选择算子,以保证优秀个体直接复制到下一代。采用有序交叉和倒置变异法确定交叉算子和变异算子。最后用MATLAB来实现算法,仿真后,观察路径,得出最终结果。

小窗口蚁群算法解决旅行商问题的应用与分析

本文先介绍基本蚁群算法模型,并应用此法对TSP(旅行商问题)进行了求解。然后运用小窗口蚁群算法解决TSP问题,通过与基本蚁群算法的比较,认为小窗口蚁群算法无论是在解的优化上还是运行时间上都优基本蚁群算法。

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。

求解旅行商问题的自适应升温模拟退火算法

针对传统模拟退火算法在求解问题时容易陷入局部最优解的情况,本文通过设计一种自适应的升温控制因子,提出了一种求解旅行商问题(TSP)的自适应升温模拟退火算法,有效地控制局部寻优达到全局寻优能力,并证明了改进的自适应模拟退火算法收敛性.通过TSPLIB数据库对改进算法全局寻优效果的测试,结果表明改进后的算法具有全局寻优能力、泛化性强等特点:即在TSPLIB提供的绝大部分TSP问题数据中,均能找到全局最优解,且收敛速度快.

改进的人工蜂群算法求解旅行商问题

在利用标准人工蜂群算法求解全局最优解时,研究人员发现存在种群多样性降低、过早收敛、易陷入局部极值等问题。因此,在标准人工蜂群算法的初始化阶段,采用反向学习初始化种群,提高初始解的质量;在跟随蜂阶段,对适应度值不高的个体进行混沌扰动,以增加种群多样性,从而跳出局部极值。利用改进算法和标准人工蜂群算法分别对5个不同的旅行商问题(Traveling Salesman Problem,TSP)进行仿真实验,并对比两种算法的仿真结果。实验结果表明:利用改进的人工蜂群算法求解旅行商问题是可行且有效的;在稳定性方面,改进的人工蜂群算法优于标准人工蜂群算法。

论遗传算法在旅行商问题中的应用

旅行商问题是算法应用中的基本问题,遗传算法具有通用性、智能性、鲁棒性、全局性和并行性的特点,正好适合于该问题的求解。但基本遗传算法在解决旅行商问题时效率不高,并且容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。文章首先对旅行商问题进行了描述,对遗传算法进行了介绍,对其中的个体选择、交叉算法等重要因素做了一定地改进。最后,用一个简单的实例对基本遗传算法和改进的遗传算法进行了比较,发现改进的遗传算法在解决旅行商问题上的效率问题上有了一定的提高。

基于巡回旅行商问题的遗传算法程序设计

提出了一种巡回旅行商问题的具体解决方案。它以大自然界生物进化发展的过程为依据,从遗传算法理论的角度,探讨了一种有效可行的巡回旅行商问题的解决策略。对于采用遗传算法理论进行演化程序开发设计的读者,具有一定的参考价值。

旅行商问题的一个精确算法

本文对经典的旅行商问题给出一种精确式算法,计算结果表明,它具有一定的优越性和实用性。

用遗传算法求解旅行商问题

介绍了旅行商问题 ,提出了一个新的求解旅行商问题的遗传算法 ,实验结果显示该算法性能良好 .

求解旅行商问题的微粒群算法研究

本文基于微粒群算法,以解的质量和求解效率为目标,提出了一种基于微粒群算法的TSP问题求解算法,通过实验仿真验证了所提出方法的有效性。