蚁群算法参数组合的博弈优化

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (21): 51-55.

蚁群算法参数组合的博弈优化

郜庆市，孙树栋，韩青，钟尧

西北工业大学机电学院，西安 710072

出版日期:2013-11-01 发布日期:2013-10-30

Combination of ant colony algorithm parameters optimization based on game theory

GAO Qingshi, SUN Shudong, HAN Qing, ZHONG Yao

School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an 710072, China

Online:2013-11-01 Published:2013-10-30

摘要/Abstract

摘要： 针对蚁群优化算法参数组合选取的问题，提出了一种基于博弈论的蚁群算法参数优化模型。由于算法各个参数之间相互依赖、相互影响的关系，将各参数作为博弈论中的局中人，利用算法收敛时间与各个参数之间的数学关系，将其转化为博弈模型中参数的收益函数，求解出算法的最优参数组合。仿真结果表明，该模型能够方便有效求解出蚁群算法的最优参数组合。

关键词: 蚁群算法, 博弈论, 参数组合优化, 收益函数

Abstract: For the problem of ant colony algorithm combined parameters selection, a model of optimum combined parameters selection based on game theory is proposed. Due to the parameters influence and dependence on each other, they are as players. In this model, using the payoff function that transforms from the math relation between convergence time and parameters can obtain the best combination of parameters. Simulation results show that this model can get the combined parameters effectively.

Key words: ant colony algorithm, game theory, combination of parameters optimization, payoff function

郜庆市，孙树栋，韩青，钟尧. 蚁群算法参数组合的博弈优化[J]. 计算机工程与应用, 2013, 49(21): 51-55.

GAO Qingshi, SUN Shudong, HAN Qing, ZHONG Yao. Combination of ant colony algorithm parameters optimization based on game theory[J]. Computer Engineering and Applications, 2013, 49(21): 51-55.

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	37

来源	本网站	其他网站

次数	36	1
比例	97%	3%

摘要

最新录用	在线预览	正式出版

0	0	73

	来源	本网站

	次数	73
	比例	100%

[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]	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.
[4]	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.
[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]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[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]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.