遗传融合蚁群算法的改进与仿真

doi:10.3778/j.issn.1002-8331.2010.04.013

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (4): 43-45.DOI: 10.3778/j.issn.1002-8331.2010.04.013

遗传融合蚁群算法的改进与仿真

彭沛夫¹，张桂芳²

1.湖南师范大学物理与信息科学学院，长沙 410081
2.湖南涉外经济学院，长沙 410205

收稿日期:2008-09-02 修回日期:2008-10-31 出版日期:2010-02-01 发布日期:2010-02-01
通讯作者: 彭沛夫

Improvement and simulation of ant colony algorithm based on genetic gene

PENG Pei-fu¹，ZHANG Gui-fang²

1.College of Physics and Information Science，Hunan Normal University，Changsha 410081，China
2.Hunan College of International Economics，Changsha 410205，China

Received:2008-09-02 Revised:2008-10-31 Online:2010-02-01 Published:2010-02-01
Contact: PENG Pei-fu

摘要/Abstract

摘要： 原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足，优化效果得到了改善，能够克服收敛速度较慢，易出现停滞，以及全局搜索能力较低的缺陷。但是还不够，因此，在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间，更加提高其全局优化寻优速度。并将遗传融合蚁群算法和改进的遗传融合蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验。仿真研究表明，改进后的算法具有更优良的全局优化性能，效果令人满意。

Abstract: Compared to basic ant colony algorithm，former ant colony algorithm based on genetic gene has overcome lots of problems，such as slow convergence speed，easy to get stagnated，and low ability of full search etc.But it is still not enough.So，a new ant colony algorithm based on genetic gene is proposed，which can enlarge solution search space，and improve the speed of global optimization.The simulation of applying these two methods to solve Att532TSP problem of TSPLIB has been done separately.The result of simulation shows that the new algorithm has better global optimization ability.

中图分类号:

TP18

彭沛夫¹，张桂芳². 遗传融合蚁群算法的改进与仿真[J]. 计算机工程与应用, 2010, 46(4): 43-45.

PENG Pei-fu¹，ZHANG Gui-fang². Improvement and simulation of ant colony algorithm based on genetic gene[J]. Computer Engineering and Applications, 2010, 46(4): 43-45.

[1]	闫林，张新明，何健仓，李富有. 粗糙集、商空间及概念格中粒的统一描述[J]. 计算机工程与应用, 2010, 46(9): 38-41.
[2]	汪红林^1，2，王红玲^1，2，周国栋^1，2. 语义分析中谓词标识的特征工程[J]. 计算机工程与应用, 2010, 46(9): 134-137.
[3]	张锐^1，2，张涛³，高辉⁴. RQEA-SVR在交通流预测中的应用[J]. 计算机工程与应用, 2010, 46(9): 241-245.
[4]	郝武伟¹，曾建潮². 基于聚类分析的随机微粒群算法[J]. 计算机工程与应用, 2010, 46(8): 40-44.
[5]	李朝鹏^1，2，成运¹，李肯立²，周旭³. 哈密尔顿回路问题的DNA表面计算模型[J]. 计算机工程与应用, 2010, 46(8): 48-51.
[6]	陈学松，杨宜民. 基于递推最小二乘法的多步时序差分学习算法[J]. 计算机工程与应用, 2010, 46(8): 52-55.
[7]	姚雄武，郑金华，李晶，文诗华. 遗传算法和单体型组装加权最小字符翻转问题[J]. 计算机工程与应用, 2010, 46(8): 217-220.
[8]	戴宏亮^1，2. 小波支持向量回归在瓦斯涌出量预测中的应用[J]. 计算机工程与应用, 2010, 46(7): 15-17.
[9]	马建敏¹，朱朝晖²，张文修³. 相容关系下集值信息系统的粗糙熵[J]. 计算机工程与应用, 2010, 46(7): 29-31.
[10]	王加阳¹，杜库¹，胡沛¹，高灿². 基于非对称相似差别矩阵知识约简[J]. 计算机工程与应用, 2010, 46(7): 44-45.
[11]	朱庆生，钟洵，杨鹏. NJW在离群数据挖掘中的应用研究[J]. 计算机工程与应用, 2010, 46(7): 128-130.
[12]	唐少先. 数据挖掘中粗糙集边界的处理方法[J]. 计算机工程与应用, 2010, 46(7): 131-133.
[13]	徐红升，张瑞玲. ART与概念相似在电子商务推荐系统中的应用[J]. 计算机工程与应用, 2010, 46(7): 213-217.
[14]	焦尚彬，刘丁. 博弈树置换表启发式算法研究[J]. 计算机工程与应用, 2010, 46(6): 42-45.
[15]	田生文，王伊蕾，李阿丽. 一种应用复杂网络特征的K-means初始化方法[J]. 计算机工程与应用, 2010, 46(6): 127-129.

遗传融合蚁群算法的改进与仿真

Improvement and simulation of ant colony algorithm based on genetic gene

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