混合型蚁群算法及其应用——以旅行商问题为例

蚁群优化算法——蚂蚁系统(Ant System,AS)是Dorigo M在20世纪90年代最早提出的一种新型生物智能算法,Dorigo M将蚁群优化算法应用于解决经典的旅行商问题(TSP),取得了较好的应用效果。采用混合型蚁群算法进行优化求解,探讨其实现TSP问题的求解流程,以更好地指导实际问题解决。

改进的混合型蚁群算法在VRP问题中的应用

为提高物流配送中车辆路径的寻优效率,提高物流经济效益,介绍一种能够有效求解VRP问题的算法—改进的混合型蚁群算法。该算法在近邻法构造初始解的基础上,使用2-opt局部搜索策略对当前得到的最优解和次优解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值。使用Matlab仿真工具对N44K6等10个经典VRP问题进行了求解,得到的结果和已知最优解的误差很小,都在6%以下,并且N33K6问题得到了和已知最优解相同的解。与基本蚁群算法得到的解进行了比较,证明了该改进算法的有效性。

一种基于2-opt算法的混合型蚁群算法

针对基本蚁群算法计算时间较长、容易陷入局部最优和收敛速度慢的缺点,提出一种混合型蚁群算法。该算法将改进的2-opt算法和改进蚁群算法进行结合,改进方法如下:对蚂蚁迭代的路径进行升序排列,只对其中一半的较短路径采用2-opt算法进行局部搜索,并对基本蚁群算法提出一种按优先级动态调整信息素挥发因子的改进策略。将该算法在TSP实例上进行模拟实验,MATLAB仿真结果表明该算法增加了全局搜索能力,提高了搜索效率,取得了较好的实验结果。

一种改进的混合型蚁群算法在TSP问题中的应用

介绍了一种求解TSP问题的算法改进的混合型蚁群算法,该算法在近邻法构造初始解的基础上,使用2-opt局部搜索法对当前解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值,并使用Matlab仿真求解了kroa200等13个经典tsp问题,得到的结果和最优解的误差很小,并和两种最新改进的蚁群算法以及两种自组织算法进行比较,比较结果充分证明了该改进算法的有效性.