用于求解函数优化的蚁群算法设计

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 57-59.

用于求解函数优化的蚁群算法设计

杜呈欣¹，陈小强²，熊伟清³

1.兰州交通大学电子与信息工程学院，兰州 730070
2.兰州交通大学自动化与电气工程学院，兰州 730070
3.宁波大学信息科学与工程学院，浙江宁波 315211

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 杜呈欣

Ant colony algorithm design for function optimization

DU Cheng-xin¹，CHEN Xiao-qiang²，XIONG Wei-qing³

1.School of Electronics and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China
2.School of Automatization and Electric Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China
3.Faculty of Information Science and Engineering，Ningbo University，Ningbo，Zhejiang 315211，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: DU Cheng-xin

摘要/Abstract

摘要： 为了求解一般的函数优化，在对标准蚁群算法研究的基础上，将遗传算法的编码方式引入蚁群算法，对蚁群算法的信息素更新进行改进，并提出一种搜索矩阵表达方式，减少了搜索矩阵的规模，从而提高了搜索效率。通过对几个经典测试函数的求解，证明了算法的有效性。

关键词: 蚁群算法, 函数优化, TSP, 遗传算法

Abstract: To solve function optimization problem，we have described ant colony algorithm adding binary coding of genetic algorithm and developed pheromone update strategy.In the experiment，we have used a new structure of searching matrix.Because the matrix’s dimension decreases，the performance of algorithm improves considerably.The improved algorithm has been tested for variety of different classical test functions.And the algorithm can handle these optimization problems very wel1．

Key words: ant colony algorithm, function optimization, TSP, genetic algorithm

杜呈欣¹，陈小强²，熊伟清³. 用于求解函数优化的蚁群算法设计[J]. 计算机工程与应用, 2007, 43(25): 57-59.

DU Cheng-xin¹，CHEN Xiao-qiang²，XIONG Wei-qing³. Ant colony algorithm design for function optimization[J]. Computer Engineering and Applications, 2007, 43(25): 57-59.

[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]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[7]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[8]	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.
[9]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	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.
[12]	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.
[13]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[14]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.