一种改进的基于隶属云模型的蚁群算法

doi:10.3778/j.issn.1002-8331.2009.27.004

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (27): 11-14.DOI: 10.3778/j.issn.1002-8331.2009.27.004

一种改进的基于隶属云模型的蚁群算法

张煜东，吴乐南，韦耿

东南大学信息科学与工程学院，南京 210096

收稿日期:2009-06-11 修回日期:2009-07-11 出版日期:2009-09-21 发布日期:2009-09-21
通讯作者: 张煜东

Improved ant colony algorithm based on membership cloud models

ZHANG Yu-dong，WU Le-nan，WEI Geng

School of Information Science & Engineering，Southeast University，Nanjing 210096，China

Received:2009-06-11 Revised:2009-07-11 Online:2009-09-21 Published:2009-09-21
Contact: ZHANG Yu-dong

摘要/Abstract

摘要： 为了解决传统蚁群算法的收敛速度慢和易陷入局部最优等缺陷，做出如下改进：首先采用云模型来自适应控制蚂蚁的随机性；其次缩小了后继城市的搜索范围；最后引入2-opt局部搜索策略。对城市规模从50到高达1 000的TSP问题进行仿真，并与先前提出的改进蚁群算法进行对比，结果表明，该算法不仅偏离率更小，而且运行时间短。随着城市规模的增大，优势更明显。

关键词: 隶属云, 蚁群算法, 旅行商问题

Abstract: To overcome the slow convergence and local extrema of ant colony algorithm（ACA），improvements are proposed in this article.Firstly，control the randomness of the ants via cloud model；secondly，reduce the search region of subsequent cities.Finally，introduce the 2-opt local search strategy.Simulations are implemented on various TSP with cities from 50 to 1 000，and this proposed algorithm is compared with old algorithm.Results demonstrate that the gap of this proposed algorithm is lower and the computation time is shorter than old methods，the advantages becoming notable with the number of cities becoming larger.

Key words: membership cloud, ant colony algorithm, traveling salesmen problem

中图分类号:

TN911.73

张煜东，吴乐南，韦耿. 一种改进的基于隶属云模型的蚁群算法[J]. 计算机工程与应用, 2009, 45(27): 11-14.

ZHANG Yu-dong，WU Le-nan，WEI Geng. Improved ant colony algorithm based on membership cloud models[J]. Computer Engineering and Applications, 2009, 45(27): 11-14.

[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.

一种改进的基于隶属云模型的蚁群算法

Improved ant colony algorithm based on membership cloud models

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