>

您当前的位置:主页 > 28365365手机备用网址 >

优化蚁群算法的自适应算法

发布时间:2019-04-13 06:37编辑:365bet足球官方开户阅读(

    优化蚁群算法的自适应算法
    李永霞
    [摘要]蚁群算法是一种模拟蚂蚁在生物世界中寻找食物来源的行为的算法。它具有强大的仿生本地搜索功能。此外,它很容易与其他仿生优化算法结合使用,并具有积极的评论。
    蚁群算法被广泛使用,例如PST问题处理,运输,管道铺设,植物选择和其他实际应用。
    然而,在许多实际问题中,问题的复杂性通常很高。如果蚁群的基本算法也用于解决问题,则算法陷入局部最优停滞的概率大大提高,并且不能保证接下来受影响的概率。。
    对于这些棘手的问题,许多学者和专家不断努力,并进行了一系列改进,以优化蚁群算法,如蚁群算法,蚁群系统和精英策略我将尝试提出一种算法。大型和小型蚁群系统等
    虽然改进的蚁群算法大大提高了最优解的精度,但仍有一些问题有待解决。例如,搜索时间在第一时间会更长,并且无法应用全局更新规则的波动性。
    鉴于上述缺点,如下优化了蚁群基本算法的信息素初始化分布和全局信息素的挥发系数。首先,将信息素浓度指定为浓度。在初始化时,即与初始浓度下的浓度有关,总是提供指导以加速初始搜索并避免在初始阶段随机搜索蚁群。浪费时间再提高质量解决方案。在没有适应的情况下,将双曲正切函数作为其动态波动系数加入,因此可以自适应地更新解决方案路径中的信息素浓度。因为它对于每次迭代是最佳的,所以增加了用于获得最优全局解的算法。
    全局搜索功能不断得到改进,并且在一定限度内避免了死锁。
    仿真结果表明,优化的蚁群算法不仅提高了算法的整体优化,而且保证了收敛速度。它还可以用于处理更复杂和实际的问题。
    本文中的两个示例使用优化的蚁群算法。优化后的实验结果与实际情况相符,即实际误差较小,进一步验证了改进蚁群算法的可行性和有效性。
    [授权单位]:重庆大学[学年]:硕士学位[授予年份]:2016年[分类号]:TP18
    下载全文
    更多类似的文件