融合自适应聚类与母蚁引导策略的蚁群算法
TP18; 针对蚁群算法在求解较大规模旅行商问题时,容易出现陷入局部最优、收敛速度较慢的情况,提出一个融合自适应聚类与母蚁引导策略的蚁群算法(AMACS).在自适应聚类中,使用改进的聚类方法,利用最大最小距离与类密度的思想,通过自适应聚类策略,获得最佳聚类结果,并快速获得各个类的优化解;利用近邻原则,将相邻的类进行蛛网融合,从而有效提高了初始解的精度.通过母蚁引导策略对初始解进行优化,其中母蚁引导策略包括路径诱导与信息素优化两个部分:路径诱导将初始解设定为第一代的解,提高了算法的稳定性;信息素优化通过对初始解路径进行信息素激励,提高了解的精度.使用随机重组策略对信息素进行重组以及随机激励,使算...
Saved in:
Published in | 计算机科学与探索 Vol. 18; no. 9; pp. 2395 - 2406 |
---|---|
Main Authors | , , |
Format | Journal Article |
Language | Chinese |
Published |
上海工程技术大学 控制科学与工程系,上海 201600%上海工程技术大学 管理学院,上海 201600
01.09.2024
|
Subjects | |
Online Access | Get full text |
ISSN | 1673-9418 |
DOI | 10.3778/j.issn.1673-9418.2307002 |
Cover
Summary: | TP18; 针对蚁群算法在求解较大规模旅行商问题时,容易出现陷入局部最优、收敛速度较慢的情况,提出一个融合自适应聚类与母蚁引导策略的蚁群算法(AMACS).在自适应聚类中,使用改进的聚类方法,利用最大最小距离与类密度的思想,通过自适应聚类策略,获得最佳聚类结果,并快速获得各个类的优化解;利用近邻原则,将相邻的类进行蛛网融合,从而有效提高了初始解的精度.通过母蚁引导策略对初始解进行优化,其中母蚁引导策略包括路径诱导与信息素优化两个部分:路径诱导将初始解设定为第一代的解,提高了算法的稳定性;信息素优化通过对初始解路径进行信息素激励,提高了解的精度.使用随机重组策略对信息素进行重组以及随机激励,使算法尽量跳出局部最优,提高了算法的精度.实验结果表明,提出的算法在求解大规模旅行商问题时,不仅保证了解的精度,而且提高了算法的稳定性. |
---|---|
ISSN: | 1673-9418 |
DOI: | 10.3778/j.issn.1673-9418.2307002 |