蚁群算法的参数分析

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 31-36.

蚁群算法的参数分析

蒋玲艳¹，张军¹，钟树鸿²

1.中山大学计算机科学系，广州 510275
2.香港城市大学电子工程学系，香港九龙塘

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 蒋玲艳

Analysis of parameters in ant colony system

JIANG Ling-yan¹，ZHANG Jun¹，ZHONG Shu-hong²

1.Department of Computer Science，Sun Yat-sen University，Guangzhou 510275，China
2.Department of Electronic Engineering，City University of Hong Kong，Kowloon Tong，Hong Kong

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: JIANG Ling-yan

摘要/Abstract

摘要： 蚁群算法（ACS）是一种新型的分布式模拟进化算法，它有较强的解搜索能力、很好的适应性和鲁棒性等，但如果算法中各参数选择不当，则会使算法的运行时间变长，或者陷于局部最优，达到停滞状态。恰当的参数选择，可以使蚁群算法有较好的性能，较快地收敛到全局较优解。以TSP问题为例，通过采用不同参数匹配进行优化的数值实验，分析了算法中参数α、β、ρ籽对算法性能的影响，给出了一定指导性的建议。

关键词: 蚁群算法, 旅行商问题, 参数分析

Abstract: Ant Colony System（ACS） algorithm has，if the appropriate parameters are selected，a rather optimistic performance，and can reach the global optimistic solution efficiently.There are many positive characteristics in ACS algorithm.It can，for instance，adapt to the new circumstances swiftly，and it is a robust algorithm.However，if the parameters are wrongly chosen，all these merits are gone.In this paper，lots of experiments are run to test how the parameters α，β，ρ work，and some useful suggestions are given.

Key words: Ant Colony System, Traveling Salesman Problem, analysis of parameters

蒋玲艳¹，张军¹，钟树鸿². 蚁群算法的参数分析[J]. 计算机工程与应用, 2007, 43(20): 31-36.

JIANG Ling-yan¹，ZHANG Jun¹，ZHONG Shu-hong². Analysis of parameters in ant colony system[J]. Computer Engineering and Applications, 2007, 43(20): 31-36.

[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]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.
[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.