蚂蚁数和α、β的设置在求解函数优化中的影响

doi:10.3778/j.issn.1002-8331.2009.30.013

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (30): 40-41.DOI: 10.3778/j.issn.1002-8331.2009.30.013

蚂蚁数和α、β的设置在求解函数优化中的影响

章宝歌¹，杜呈欣²

1.兰州交通大学自动化与电气工程学院，兰州 730070
2.兰州交通大学电子与信息工程学院，兰州 730070

收稿日期:2008-06-10 修回日期:2008-12-11 出版日期:2009-10-21 发布日期:2009-10-21
通讯作者: 章宝歌

Configuration of parameters α，β and ants’ number for function optimization

ZHANG Bao-ge¹，DU Cheng-xin²

1.School of Automatization and Electric Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China
2.School of Electronics and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China

Received:2008-06-10 Revised:2008-12-11 Online:2009-10-21 Published:2009-10-21
Contact: ZHANG Bao-ge

摘要/Abstract

摘要： 蚁群算法的参数设置一直是依靠经验和实验来确定，造成实验工作量大且难以得到最优的参数组合，影响了算法的使用。从基本蚂蚁算法出发，结合实验结果，讨论了α、β及蚂蚁数的变化对实验结果的影响，提出了相应的参数选择方案，有较好的实用价值。

关键词: 蚁群算法, 函数优化, 组合优化, 参数设置

Abstract: The enactment of the parameters of an ant system is determined by experience and experiment.This leads to heavy work load and makes the optimal combination of the parameters difficult to obtain.On the basis of the ant algorithm and the result of the experiment，the effect by changing the parameters of α、β、number of ants is discussed，and an improved scheme is proposed.Then both of the improved scheme and the ant algorithm are applied to the function optimization problem，and a comparison is made in the simulation.Experimental results indicate that the change is practical and valuable.

Key words: ant colony algorithm, function optimization, combinatorial optimization, optimum configurations

中图分类号:

TP301.6

章宝歌¹，杜呈欣². 蚂蚁数和α、β的设置在求解函数优化中的影响[J]. 计算机工程与应用, 2009, 45(30): 40-41.

ZHANG Bao-ge¹，DU Cheng-xin². Configuration of parameters α，β and ants’ number for function optimization[J]. Computer Engineering and Applications, 2009, 45(30): 40-41.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[11]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[12]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[13]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[14]	陈展，公建宁，刘媛媛，徐京邦. 基于禁忌搜索的多AGV系统路径优化算法[J]. 计算机工程与应用, 2021, 57(10): 273-278.
[15]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.

蚂蚁数和α、β的设置在求解函数优化中的影响

Configuration of parameters α，β and ants’ number for function optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics