简化蚁群算法
DOI:
CSTR:
作者:
作者单位:

西安交通大学

作者简介:

张兆军

通讯作者:

中图分类号:

TP18

基金项目:

基于问题模式挖掘的自适应蚁群算法及其应用研究;具有学习机制的多目标蚁群算法及其应用研究;智能优化算法解质量评价方法研究


Simplified ant colony optimization algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对最大最小蚂蚁系统中信息素下界难以确定以及算法性能易受同构问题影响的缺点, 提出一种简化蚁群
    算法. 信息素的上下界被限制在一个固定的区间内, 不随目标函数值的更新而改变; 信息素的更新量是一个与具体目
    标函数值无关的常数. 所提出的简化算法不仅具有强不变性和平移不变性, 而且算法的性能不受信息素下界的影响.
    针对旅行商问题的仿真实验验证了改进算法的可行性和有效性.

    Abstract:

    Due to the shortcomings of max-min ant system(MMAS), which is difficult to decide the lower bound of
    pheromone trail and easy to affect by isomorphic problems, a simplified ant colony optimization(SACO) algorithm is
    proposed. The upper and lower bound of pheromone trail are limited to a fixed interval and can not be changed with
    updating the objective function value. The added pheromone trail is a constant which is independent to the function value.
    It is proved that the algorithm not only has the property of linear transformational invariance and translational invariance,
    but also its performance is not affected by the lower bound of pheromone trail. Simulation results on the traveling salesman
    problem show the feasibility and effectiveness of the presented algorithm.

    参考文献
    相似文献
    引证文献
引用本文

张兆军 冯祖仁 陈竹青.简化蚁群算法[J].控制与决策,2012,27(9):1325-1330

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-03-28
  • 最后修改日期:2011-08-09
  • 录用日期:
  • 在线发布日期: 2012-09-20
  • 出版日期:
文章二维码