基于自适应学习搜索框架的混合分布估计算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (6): 35-37.

基于自适应学习搜索框架的混合分布估计算法

张庆彬1，2，刘波3，田彦平1，贺媛媛1

1.石家庄铁路职业技术学院智能技术研究所，石家庄 050041
2.大连大学辽宁省先进设计与智能计算省部共建教育部重点实验室，辽宁大连 116622
3.河北省科学院，石家庄 050081

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-21 发布日期:2012-02-21

Hybrid estimation of distribution algorithm under scope of adaptive learning search

ZHANG Qingbin1，2, LIU Bo3, TIAN Yanping1, HE Yuanyuan1

1.Center for Intelligent Systems, Shijiazhuang Institute of Railway Technology, Shijiazhuang 050041, China
2.Key Lab of Advanced Design and Intelligent Computing, Ministry of Education, Dalian University, Dalian, Liaoning 116622, China
3.Hebei Academy of Sciences, Shijiazhuang 050081, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-21 Published:2012-02-21

摘要/Abstract

摘要： 在元启发式算法自适应学习搜索框架下对分布估计算法和模拟退火算法的学习能力、深度搜索和广度搜索强度进行分析，针对分布估计算法广度搜索性能方面存在的问题，提出了一种将模拟退火算法融入分布估计算法的混合优化策略；以旅行商问题为例进行了仿真实验。实验结果表明，混合算法比分布估计算法和模拟退火算法具有更高的优化质量。

关键词: 自适应学习搜索, 分布估计算法, 单变量边缘分布算法, 模拟退火算法, 旅行商问题

Abstract: The ability of learning, intensification and diversification in Estimation of Distribution Algorithm（EDA） and Simulated Annealing（SA） under the scope of Adaptive Learning Search（ALS） is analyzed. Then a hybrid EDA integrated by SA is proposed with the aim of achieving an effective balance between diversification and intensification. Simulation results on TSP show that the proposed algorithm out-performs the standard EDA and SA.

Key words: Adaptive Learning Search（ALS）, Estimation of Distribution Algorithm（EDA）, Univariate Marginal Distribution Algorithm（UMDA）, Simulated Annealing（SA）, Trareling Salesman Problem（TSP）

张庆彬1，2，刘波3，田彦平1，贺媛媛1. 基于自适应学习搜索框架的混合分布估计算法[J]. 计算机工程与应用, 2012, 48(6): 35-37.

ZHANG Qingbin1，2, LIU Bo3, TIAN Yanping1, HE Yuanyuan1. Hybrid estimation of distribution algorithm under scope of adaptive learning search[J]. Computer Engineering and Applications, 2012, 48(6): 35-37.

[1]	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.
[2]	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.
[3]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[4]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[5]	禹忠，顾仁彬，范九伦. 基于LBT-SA的LoRaWAN信道接入方法研究[J]. 计算机工程与应用, 2020, 56(24): 95-101.
[6]	陈思远，林丕源，黄沛杰. 指针网络改进遗传算法求解旅行商问题[J]. 计算机工程与应用, 2020, 56(19): 231-236.
[7]	周克良，龚达欣，张宇龙. 区域破坏重建的蚁群优化算法[J]. 计算机工程与应用, 2020, 56(14): 62-67.
[8]	刘明霞1，游晓明1，刘升2. 基于聚度的自适应动态混沌蚁群算法[J]. 计算机工程与应用, 2019, 55(3): 15-22.
[9]	陈桂兰，奚宝华，杨兰英. 改进混合粒子群算法的立体车库存取调度[J]. 计算机工程与应用, 2019, 55(19): 263-270.
[10]	胡士娟，鲁海燕，黄洋，许凯波. 求解工作量平衡多旅行商问题的改进遗传算法[J]. 计算机工程与应用, 2019, 55(17): 150-155.
[11]	陈佳，游晓明，刘升，李娟. 结合信息熵的多种群博弈蚁群算法[J]. 计算机工程与应用, 2019, 55(16): 170-178.
[12]	李娟，游晓明，刘升，陈佳. 自适应模糊蚁群系统[J]. 计算机工程与应用, 2019, 55(15): 75-81.
[13]	张钧，贺可太. 求解三维装箱问题的混合遗传模拟退火算法[J]. 计算机工程与应用, 2019, 55(14): 32-39.
[14]	赵亚文，熊瑞平，乔治，梁齐齐，罗勇. 应用捕食搜索策略的改进多态蚁群算法[J]. 计算机工程与应用, 2019, 55(14): 115-121.
[15]	俞武扬，周洋. 改进柔性隔间结构的不等形面积设施布局研究[J]. 计算机工程与应用, 2019, 55(14): 221-227.