新型的双种群蚁群算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (13): 39-41.

新型的双种群蚁群算法

张晓伟1，李笑雪2

1.广东工程职业技术学院，广州 510520
2.河南财经政法大学计算机与信息工程学院，郑州 450002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

Novel dual population ant colony algorithm

ZHANG Xiaowei1，LI Xiaoxue2

1.Guangdong Polytechnic College，Guangzhou 510520，China
2.College of Computer and Information Engineering，Henan University of Economics & Law，Zhengzhou 450002，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 基于对蚂蚁种群中兵蚁和工蚁在觅食过程中合作关系的仿生，提出了一种改进型蚁群算法。在该算法中同时存在着兵蚁子种群与工蚁子种群两个种群，两个子种群并行搜索，通过兵蚁的分布来影响到工蚁的移动选择，以取得各蚂蚁子群体中解的多样性和收敛性之间的动态平衡。基于旅行商问题的实验证明，算法具有较好的全局搜索能力和收敛速度。

关键词: 蚁群算法, 旅行商问题, 信息素, 兵蚁, 工蚁

Abstract: A novel ant colony algorithm is proposed based on the bionics of cooperation relation between soldier ant and worker ant in the foraging process.Soldier ant population and worker ant population are designed to search problem solution by parallel way in proposed algorithm.The dynamic equilibrium between solution diversity and convergence speed is achieved by using the effect of the soldier ant’s distribution to worker ants’ movement choice.Experimental results on traveling salesman problem show that proposed algorithm has a good global searching ability and high convergence speed.

Key words: ant colony algorithm, Traveling Salesman Problem（TSP）, pheromone, soldier ant, worker ant

张晓伟1，李笑雪2. 新型的双种群蚁群算法[J]. 计算机工程与应用, 2011, 47(13): 39-41.

ZHANG Xiaowei1，LI Xiaoxue2. Novel dual population ant colony algorithm[J]. Computer Engineering and Applications, 2011, 47(13): 39-41.

[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]	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.
[11]	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.
[12]	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.
[13]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[14]	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.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.