基于模拟退火算法的多道逆向蚁群算法

doi:10.3778/j.issn.1002-8331.2009.11.016

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 53-55.DOI: 10.3778/j.issn.1002-8331.2009.11.016

基于模拟退火算法的多道逆向蚁群算法

岳凤¹,刘希玉²,张萍¹

1.山东师范大学信息科学与工程学院，济南 250014
2.山东师范大学管理学院，济南 250014

收稿日期:2008-03-03 修回日期:2008-05-15 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 岳凤

Multiple converse ant colony algorithm based on simulated annealing

YUE Feng¹,LIU Xi-yu²,ZHANG Ping¹

1.School of Information Science and Engineering，Shandong Normal University，Jinan 250014，China
2.School of Management，Shandong Normal University，Jinan 250014，China

Received:2008-03-03 Revised:2008-05-15 Online:2009-04-11 Published:2009-04-11
Contact: YUE Feng

摘要/Abstract

摘要： 为克服现有蚁群算法运算过程中易出现停滞现象、收敛速度慢等缺点，提出了一种基于模拟退火策略的多道逆向蚁群算法。通过向原始蚁群中引入逆向蚂蚁，并结合模拟退火思想确定蚁群中逆向蚂蚁的数目，来提高算法全局寻优能力。在算法执行过程中一组蚂蚁分成几群并行运算，通过交换策略，有效地利用了当前最优解，提高了算法收敛速度。将该算法应用于旅行商问题的求解，仿真实验结果表明该算法的全局寻优能力和收敛速度都得到了很大改善。

关键词: 蚁群算法, 模拟退火, 旅行商问题, 多道蚁群算法

Abstract: In order to get over the disadvantages of stagnation behavior and the slow convergence speed，a multiple converse ant colony algorithm based on simulated annealing is proposed.Inducting converse ants into the ant colony and the number of converse ants is adjusted by simulated annealing，the ability of searching for global optimal solution can be improved.Parallel running of a group of colonies are used in such a way that they can share their information efficiently，this information can be utilized by colonies via an exchange colonies，the ability of stagnation behavior can be improved.Using this algorithm to solve the traveling salesman problem shows that the ability of optimization and the convergence speed have improved a lot.

Key words: ant colony algorithm, simulated annealing, traveling salesman problem, multiple ant colony algorithms

岳凤¹,刘希玉²,张萍¹. 基于模拟退火算法的多道逆向蚁群算法[J]. 计算机工程与应用, 2009, 45(11): 53-55.

YUE Feng¹,LIU Xi-yu²,ZHANG Ping¹. Multiple converse ant colony algorithm based on simulated annealing[J]. Computer Engineering and Applications, 2009, 45(11): 53-55.

[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]	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.
[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]	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.
[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]	张凯，靳鹏，崔勇. 带时间窗的多车型需求可拆分揽收配送问题[J]. 计算机工程与应用, 2021, 57(14): 281-288.

基于模拟退火算法的多道逆向蚁群算法

Multiple converse ant colony algorithm based on simulated annealing

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