蚁群算法较强的鲁棒性、寻径过程的并行性以及易于与其他启发式算法结合的特点,使得蚁群算法吸引了越来越多研究者的注意。分析了各种混合蚁群算法,总结了蚁群算法与其他智能算法相结合的方法,针时QoS路由寻优问题验证混合蚁群算法,通过比较混合蚁群算法和基本蚁群算法的仿真结果,进一步说明混合蚁群算法的有效性和可行性。
维普资讯 doc.guandang.net
E up n Ma u a t n e h o o y No2, 0 8 q i me t n f cr g T c n lg . 2 0 i
混合蚁群算法的研究及其应用 姜秋霞,中杰王 (同济大学电子与信息工程学院,上海 2 10 ) 0 4 8 摘要:蚁群算法较强的鲁棒性、寻径过程的并行性以及易于与其他启发式算法结合的特点,得蚁群算法吸引了越来越多研究者的注使 意。分析了各种混合蚁群算法,总结了蚁群算法与其他智能算法相结合的方法,时 Qo针 S路由寻优问题验证混合蚁群算法,通过比较混合蚁群算法和基本蚁群算法的仿真结果,进一步说明混合蚁群算法的有效性和可行性。 关键词:群算法;蚁混合蚁群算法;算法融合; S由 Qo路 中图分类号: P 0 . T 3 16 文献标识码: A
文章编号: 7— 4 X( 0 8)2 0 3— 3 1 2 5 5 2 0 0 -0 6 0 6
蚁群算法是由意大利学者 M. oi[从生物进化的机理 D r n卅 g中受到启发,拟自然界中蚁群的觅食行为而提出的用以解决模
城市;/ o为信息素启发式因子,表示轨迹的相对重要性;/ 3为期 望启发式因子,表示能见度的相对重要性;/ t为启发函数, - ) r ( 其表达式为:产1。 f魁 为了避免残留信息素过多引起残留信息淹没启发信息,在每只蚂蚁走完一步或者完成对所有/个城市的遍历后, 1要对残留信息进行更新处理。由此,+ t n时刻在路径(上的信息量 ), 可按如下规则进行调整: ft力= 1p ( ) r ( ) (+ )(- ), t+△" t i .‘
复杂优化问题的一种新型模拟进化算法。虽然这种新型的智能优化方法具有并行性、正反馈等许多优点,但也存在如初期信息素匮乏、收敛速度慢等一些不足之处,针对这些缺陷,近年来众多国内外学者在蚁群算法的改进方面做了大量的研究工作。 尽管算法的改进有效地改善了算法的收敛陛,但难以满足实际应用中的需求,当问题的规模和复杂度增加时,单一算法的优化能力大为削减。鉴于这种现状,法混合的思想已成为算提高算法优化性能的一个重要而有效的途径。蚁群算法优点之 一
△ ( )△T t t= ( ) t= l
是易于与其他智能算法相结合,而混合算法是利用不同优化
算法
的特长互相补充,为此将蚁群算法与其他智能优化算法相融合,形成优势互补。因此,混合算法是改进和完善蚁群优化算 法的重要途径。
式中,示信息素挥发系数,则 1 P表示信息素残留 P表一
因子,为了防止信息的无限积累, P的取值范围: c 0 1] P[,; △ (表示本次循环中路径上的信息素增量,始时刻 t)初 L
△ ( )0△T (表示第只蚂蚁在本次循环中留在路 f t=, i t)
1各种混合蚁群算法基本思想 11蚁群算法简介 ̄ 1 . - 3, 为模拟蚂蚁实际行为设定:是蚁群中蚂蚁的数量, m吐是 j城市到城市之间的距离,,边 (的能见度,=/ ̄, 是 j), l, d反
径,上的信息素。 ) 根据信息素更新策略的不同, oi D r o给出了三种不同的模 g 型:周系统 (n—yl ss m)蚁量系统 ( tq aty yt )蚁 atcc t、 e ye a—u i sm、 n n ts e L
蚁密系统 ( tdni s m) n a— esy yt。区别仅在于△T tt 1) ts e (,+的表达式不同。蚁周系统使用了全局信息,而其他两种模型只使用了局部信息。 1蚁群算法与遗传算法相融合 . 2
映由城市 i转移到城市的启发程度,i丁是边( )的信息素 j上,
轨迹强度, f (是蚂蚁△,) t在边( ) 上留下的单位长度轨迹, 信息素量,k蚂蚁从城市 i移到城市的状态转移概 P是转
蚁群算法与遗传算法 ( A) G相融合是蚁群算法与仿生优化算法相互融合方面研究最早且应用最广的一个尝试。Pl it a ML] ̄ 5等采用 G A对蚁群算法中的 3个参数进行优化,首先对信
率,尚未访问的城市,是则状态转移概率 p可由下式表示: —
_ l皿
一若∈ao u ,
息启发式因子取默认值,期望启发式因子/、 3信息素挥发 系数 p信息素强度 Q的取值是相对于的一个比值。由于、但 不能实现蚁群算法 4个组合参数的全局寻优,也就很难求得 T P的全局最优解。段海滨等人针对求解离散域优化问题 S提出一种新的蚁群遗传算法( C G, A A A)其核心是应用 G A对
()∑ f=
(】 (】 f f ) ) tu} a 表
示蚂蚁下一步允许选择的 b
SCa]we k 1o d
式中ao e f lwd= C, l 0 一
收稿日期:07 1- 3 20— 1 1
基金项目:教育部新世纪优秀人才支持计划( C T 0— 32; N E一 6 0 8 )教育部重大项目( 00 3; 36 2 )霍英东基金项目(0 0 0 14 3 )作者简介:姜秋霞(9 2女,士生, 1 8—)硕研究方向:混合蚁群算法;中杰,王博士,教授。
3 6

基于混合蚁群算法的模糊神经网络研究与应用_机械/仪表_工程科技_专业资料。总第 284期 计算机与数字工程 Computer&Digital Engineering Vo1.41 No.6 ...
混合蚁群算法的研究及其应用 蚁群算法较强的鲁棒性、寻径过程的并行性以及易于与其他启发式算法结合的特点,使得蚁群算法吸引了越来越多研究者的注意。分析了各种混合...
混合蚁群算法及其在裂解... 1人阅读 5页 2.00一种混合蚁群算法在JSP问题中的应用...
蚁群混合遗传算法的研究及应用_计算机软件及应用_IT/计算机_专业资料。遗传算法协议 算法及仿真 2011年第 24卷第 4期 E lectron ic Sc i & T ech /A pr ...
混合遗传蚁群算法的改进及在TSP问题中的应用研究_专业资料。蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用...
基于遗传算法的混合蚁群算法及其在TSP中的应用研究 Research of mixed ant colony algorithm and its application in TSP based on genetic algorithm 曹文梁1,康...
蚁群混合遗传算法的研究及应用 为解决组卷过程中在一定约束条件下存在的多目标优化问题,结合蚁群算法和遗传算法各自的优点和它们融合的基础,提出了一种蚁群算法融合...
混合蚁群算法在城市交通路径规划中的应用_专业资料。为诱导车辆在城市交通路网中规划较优出行路线以提高出行质量,研究并建立了城市道路权值模型。此外,分析比较粒子...
蚁群算法的应用研究与发展_计算机软件及应用_IT/计算机_专业资料。蚁群算法的...模拟退火(SimulatedAnnealing,SA), 模拟退火与遗传算法相结合的混合算法( AG) ...
蚁群算法理论及其应用研究_田晓辉_信息与通信_工程科技_专业资料。科技信息 ○...如设计出一种通用 的蚁群算法模型及更智能化的蚁群混合行为模型 , 其次在理论...
热门文档