基于信息熵的异类多种群蚁群算法

doi:10.3778/j.issn.1002-8331.2008.36.004

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (36): 16-19.DOI: 10.3778/j.issn.1002-8331.2008.36.004

基于信息熵的异类多种群蚁群算法

邓可¹,林杰¹,张鹏^1,2

1.同济大学经济与管理学院，上海 200092
2.西安理工大学信息系，西安 710048

收稿日期:2008-07-31 修回日期:2008-10-13 出版日期:2008-12-21 发布日期:2008-12-21
通讯作者: 邓可

Multiple heterogeneous ant colonies algorithm based on information entropy

DENG Ke¹,LIN Jie¹,ZHANG Peng^1,2

1.Department of Economics & Management，Tongji University，Shanghai 200092，China
2.Department of Information Engineering，Xi’an University，Xi’an 710048，China

Received:2008-07-31 Revised:2008-10-13 Online:2008-12-21 Published:2008-12-21
Contact: DENG Ke

摘要/Abstract

摘要： 提出了一种基于信息熵的异类多种群蚁群算法。算法使用多个异类种群的蚂蚁子群体同时进行优化计算，引入信息熵来表示蚂蚁种群的进化程度，根据蚂蚁子群体间的信息熵来决定子群体间的信息交流策略，包括选择信息交流的对象和调节信息交流的周期以及信息更新策略，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，该算法具有很好的全局搜索能力、收敛速度以及解的多样性。

关键词: 信息熵, 异类多种群, 蚁群算法, 旅行商问题

Abstract: This paper presents an Information Entropy Based Multiple Heterogeneous Ant Colonies Algorithm（IEBMHACA）.This algorithm uses multiple heterogeneous ant colonies in simultaneous optimization calculation.For each ant colony，evolution degree is expressed by information entropy，so the ants can adaptively choose strategies to exchange information between colonies to achieve dynamic equilibrium between solution diversity and convergence speed.Those strategies include selecting information exchanging object，regulating exchanging cycle and updating pheromone.Experimental results on traveling salesman problem show that this algorithm has a good global searching ability，high convergence speed and solution diversity.

Key words: information entropy, multiple heterogeneous, ant colonies algorithm, Travel Salesman Problem（TSP）

邓可¹,林杰¹,张鹏^1,2. 基于信息熵的异类多种群蚁群算法[J]. 计算机工程与应用, 2008, 44(36): 16-19.

DENG Ke¹,LIN Jie¹,ZHANG Peng^1,2. Multiple heterogeneous ant colonies algorithm based on information entropy[J]. Computer Engineering and Applications, 2008, 44(36): 16-19.

[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]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[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]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[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]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[13]	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.
[14]	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.
[15]	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.

基于信息熵的异类多种群蚁群算法

Multiple heterogeneous ant colonies algorithm based on information entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics