新的仿生算法：蟑螂算法

doi:10.3778/j.issn.1002-8331.2008.34.012

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 44-46.DOI: 10.3778/j.issn.1002-8331.2008.34.012

新的仿生算法：蟑螂算法

程乐

南京师范大学数学与计算机科学学院，南京 210097
淮安信息职业技术学院计算机科学与工程系，江苏淮安 223003

收稿日期:2008-06-23 修回日期:2008-09-04 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 程乐

New bionic algorithm：cockroach swarm optimization

CHENG Le

Department of Mathematics and Computer Science，Nanjing Normal University，Nanjing 210097，China
Department of Computer Science and Engineering，Huai’an College of Information Technology，Huai’an，Jiangsu 223003，China

Received:2008-06-23 Revised:2008-09-04 Online:2008-12-01 Published:2008-12-01
Contact: CHENG Le

摘要/Abstract

摘要： 通过模拟蟑螂的觅食行为，提出蟑螂算法（Cockroach Swarm Optimization，CSO）。算法充分利用了蟑螂社会的平等特性和群体智慧。食物再分配、回巢等策略的使用使算法具有较强的全局搜索和局部搜索能力。以TSP 问题为例对算法进行仿真测试，实验证明算法有效且优于存在的离散粒子群算法（Discrete Particle Swarm Optimization，PSO）。

关键词: 蟑螂算法, 食物再分配策略, 旅行商问题, 离散粒子群算法

Abstract: By feeding behavior simulation of cockroaches，a new Cockroach Swarm Optimization（CSO） has been presented in this paper.The algorithm fully utilizes social equality and swarm intelligence of cockroaches.Food distribution again and returning nest’s strategy enhance global and local search capability of CSO.The simulation to traveling salesman problem proves that CSO is superior to Discrete Particle Swarm Optimization（DPSO）.

Key words: Cockroach Swarm Optimization（CSO）, food distribution again, Traveling Saleman Problem（TSP）, Discrete Particle Swarm Optimization（DPSO）

程乐. 新的仿生算法：蟑螂算法[J]. 计算机工程与应用, 2008, 44(34): 44-46.

CHENG Le. New bionic algorithm：cockroach swarm optimization[J]. Computer Engineering and Applications, 2008, 44(34): 44-46.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	姚书婷，胡志华，魏晨. 多禁止时间窗约束的路径恢复问题研究[J]. 计算机工程与应用, 2019, 55(12): 265-270.
[11]	陈雷，张红梅，张向利. 自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 计算机工程与应用, 2018, 54(23): 42-50.
[12]	白景波，李宏伟，陈亮，冯玉芳，刘建永. 双链量子蚁群系统及应用[J]. 计算机工程与应用, 2018, 54(21): 1-6.
[13]	徐小平，张东洁. 基于猴群算法求解旅行商问题[J]. 计算机工程与应用, 2018, 54(2): 144-148.
[14]	林敏，钟一文，刘必雄，林晓宇. 基因-表现型的布谷鸟算法求解旅行商问题[J]. 计算机工程与应用, 2017, 53(24): 172-181.
[15]	姜文志，周凯. 直升机对地攻击兵力部署优化方法研究[J]. 计算机工程与应用, 2017, 53(17): 266-270.

新的仿生算法：蟑螂算法

New bionic algorithm：cockroach swarm optimization

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