基于遗传算法的混合蚁群算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (16): 42-45.

基于遗传算法的混合蚁群算法

肖宏峰^1,2,谭冠政²

1.湖南师范大学计算机教学部，长沙 410081
2.中南大学信息科学与工程学院机器人研究所，长沙 410083

收稿日期:2007-07-20 修回日期:2007-12-19 出版日期:2008-06-01 发布日期:2008-06-01
通讯作者: 肖宏峰

Hybrid Ant Colony Algorithm based on Genetic Algorithm

XIAO Hong-feng^1,2,TAN Guan-zheng²

1.Department of Computer Teaching，Hunan Normal University，Changsha 410081，China
2.Robotic Institution，College of Information Science & Engineering，Central South University，Changsha 410083，China

Received:2007-07-20 Revised:2007-12-19 Online:2008-06-01 Published:2008-06-01
Contact: XIAO Hong-feng

摘要/Abstract

摘要： 提出了一种新的求连续空间最优值的蚁群算法。结合遗传算法和蚁群算法各自的优点以及两种算法融合基础，提出了遗传算法融入到蚁群算法融合中的两种新策略，第一种策略是先利用遗传算法具有比较强的全局搜索能力，在大范围内寻找一组解，然后以此为基础，用蚁群算法快速寻找最优解X^*_best；另一种策略是利用遗传算法交叉操作产生蚁群算法中的新旅行路径，以此提高蚁群算法的全局搜索能力。用上述策略构造两个基于遗传算法的混合遗传算法。用测试函数Rosenbrock和测试函数Shubert验证了混合蚁群算法的正确性。

关键词: 遗传算法, 混合蚁群算法, 算法融合, 连续空间优化

Abstract: Propose a new Ant Colony System（ACS） for obtaining optimal value of continuous space.Comparing their advantages and disadvantages between Genetic Algorithm （GA） and Ant Colony System and analyzing their basic fusion condition，propose two new strategies of fusing GA into ACS：One is first using genetic algorithm to obtain some rough solutions to the problem and then obtaining the more precise solutions X^*_best by ACS，the other is improving the ability of global search by using two tour paths in ACS to generate another two new tour paths like crossover operation of GA.Based on above new ideas，two new hybrid ant colony systems based on GA respectively called GA-HACS-I and GA-HACS-II are built in this paper.At last，verify the correction of GA-HACS-I and GA-HACS-II by test function Rosenbrock and test function Shubert.

Key words: genetic algorithm, hybrid ant colony system, algorithm fusion, optimization of continuous space

肖宏峰^1,2,谭冠政². 基于遗传算法的混合蚁群算法[J]. 计算机工程与应用, 2008, 44(16): 42-45.

XIAO Hong-feng^1,2,TAN Guan-zheng². Hybrid Ant Colony Algorithm based on Genetic Algorithm[J]. Computer Engineering and Applications, 2008, 44(16): 42-45.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.