基于选路优化的改进蚁群算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (2): 60-60.

基于选路优化的改进蚁群算法

张毅,梁艳春

吉林粮食高等专科学校计算机系

收稿日期:2006-05-16 修回日期:1900-01-01 出版日期:2007-01-11 发布日期:2007-01-11
通讯作者: 张毅 whdzy2000

An improved ant colony optimization algorithm based on route optimization

吉林粮食高等专科学校计算机系

Received:2006-05-16 Revised:1900-01-01 Online:2007-01-11 Published:2007-01-11

摘要/Abstract

摘要： 蚁群算法在处理大规模优化问题时效率很低。为此我们对蚁群算法提出了两点改进：（1）引入选路优化策略，减少了算法中蚂蚁的选路次数，显著提高了算法的执行效率。尤其对于以往较难处理的大规模TSP问题，改进算法在执行效率上有明显的优势。模拟实验结果表明改进算法较之基本蚁群算法在收敛速度有明显提高。

关键词: 蚁群算法, 旅行商问题, 选路策略, 并行策略, parallel strategy

Abstract: An improvement on Ant Colony Optimization (ACO) algorithm is presented in this paper. A novel optimized implementing approach is designed to reduce the processing costs involved with routing of ants in the conventional ACO. The results of the simulated experiments show that the improved algorithm not only reduces the number of routing in the ACO but also surpasses existing algorithms in performance for solving large-scale TSP problems. Simulations show that the speed of convergence of the improved ACO algorithm can be enhanced greatly compared with the traditional ACO.

Key words: Ant colony algorithm, traveling salesman problem

张毅,梁艳春. 基于选路优化的改进蚁群算法[J]. 计算机工程与应用, 2007, 43(2): 60-60.

,. An improved ant colony optimization algorithm based on route optimization[J]. Computer Engineering and Applications, 2007, 43(2): 60-60.

[1]	赵江, 孟晨阳, 王晓博, 郝崇清, 李冉, 刘慧贤, 王昭雷. 特征点提取下的AGV栅格法建模与分析[J]. 计算机工程与应用, 2022, 58(8): 156-167.
[2]	安家乐, 刘晓楠, 何明, 宋慧超. 量子群智能优化算法综述[J]. 计算机工程与应用, 2022, 58(7): 31-42.
[3]	刘双双, 黄宜庆. 多策略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, 2022, 58(6): 278-286.
[4]	杨周, 刘海滨. 基于改进蚁群与动态窗口法的AGV动态路径规划[J]. 计算机工程与应用, 2022, 58(6): 287-295.
[5]	唐旭晖, 辛绍杰. 改进蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2022, 58(5): 287-295.
[6]	叶志坚, 王建忠, 张召悦, 杨群亭, 牟龙芳. 图切割快速生成扇区的蚁群算法[J]. 计算机工程与应用, 2022, 58(3): 297-307.
[7]	陈颖杰, 高茂庭. 基于信息素初始分配和动态更新的蚁群算法[J]. 计算机工程与应用, 2022, 58(2): 95-101.
[8]	张天瑞, 吴宝库, 周福强. 面向机器人全局路径规划的改进蚁群算法研究[J]. 计算机工程与应用, 2022, 58(1): 282-291.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.