蚁群与粒子群混合算法求解TSP问题

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (34): 60-63.

蚁群与粒子群混合算法求解TSP问题

孙凯1，吴红星1，2，王浩1，丁家栋1

1.合肥工业大学计算机与信息学院，合肥 230009
2.安徽省徽商集团信息中心，合肥 230061

出版日期:2012-12-01 发布日期:2012-11-30

Hybrid ant colony and particle swarm algorithm for solving TSP

SUN Kai1, WU Hongxing1，2, WANG Hao1, DING Jiadong1

1.School of Computer and Information, Hefei University of Technology, Hefei 230009, China
2.Information Center, Anhui Province Huishang Group, Hefei 230061, China

Online:2012-12-01 Published:2012-11-30

摘要/Abstract

摘要： 旅行商问题（TSP）是最古老而且研究最广泛的组合优化问题。针对TSP问题，提出一种蚁群与粒子群混合算法（HAPA）。HAPA首先将蚁群划分成多个蚂蚁子群，然后把蚂蚁子群的参数作为粒子，通过粒子群算法来优化蚂蚁子群的参数，并在蚂蚁子群中引入了信息素交换操作。实验结果表明，HAPA在求解TSP问题中比传统算法和同类算法更具优越性。

关键词: 蚁群算法, 粒子群优化算法, 旅行商问题

Abstract: The Traveling Salesman Problem（TSP） is the oldest and most extensively studied combinatorial optimization problem. For the traveling salesman problem, Hybrid Ant colony and Particle swarm Algorithm（HAPA） is proposed. The HAPA divides the ant colony into several ant sub colonies, then optimizes parameters of the ant sub colonies as particles by the particle swarm optimization algorithm, and introduces the operation of swapping the pheromone in each ant sub colony. Results show that the HAPA has more advantages than the traditional algorithm and the similar algorithm in solving the traveling salesman problem.

Key words: Ant Colony Optimization, Particle Swarm Optimization, Traveling Salesman Problem

孙凯1，吴红星1，2，王浩1，丁家栋1. 蚁群与粒子群混合算法求解TSP问题[J]. 计算机工程与应用, 2012, 48(34): 60-63.

SUN Kai1, WU Hongxing1，2, WANG Hao1, DING Jiadong1. Hybrid ant colony and particle swarm algorithm for solving TSP[J]. Computer Engineering and Applications, 2012, 48(34): 60-63.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	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.
[3]	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.
[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]	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.
[6]	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.
[7]	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.
[8]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.