求解TSP问题的社会演化算法

doi:10.3778/j.issn.1002-8331.2009.26.013

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (26): 46-48.DOI: 10.3778/j.issn.1002-8331.2009.26.013

求解TSP问题的社会演化算法

蓝晓玲¹，周永权²，韦修喜¹

1.广西大学计算机与电子信息学院，南宁 530004
2.广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:2008-10-28 修回日期:2008-12-22 出版日期:2009-09-11 发布日期:2009-09-11
通讯作者: 蓝晓玲

Social evolutionary programming algorithm for TSP

LAN Xiao-ling¹，ZHOU Yong-quan²，WEI Xiu-xi¹

1.College of Computer and Electronic Information，Guangxi University，Nanning 530004，China
2.College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China

Received:2008-10-28 Revised:2008-12-22 Online:2009-09-11 Published:2009-09-11
Contact: LAN Xiao-ling

摘要/Abstract

摘要： 将社会演化算法和蚁群算法相结合，以蚁群算法作为认知主体的推理过程，再以范式的学习和更新方式获得最优解，提出一种求解TSP问题的社会演化算法。最后通过两个算例实验仿真与TSP已知最优解进行对比分析，结果表明，社会演化算法在种群规模较小，迭代次数较少的情况下也可获得TSP最优解。

关键词: 社会演化算法, 蚁群算法, 旅行商问题

Abstract: In this paper，a method-social evolutionary programming which combines social evolutionary programming and ant colony optimization is given to solve TSP.Firstly ant colony optimization is used as cognitive agents’ cognitive learning，and then the global optimum is obtained by paradigm’s learning and shift.Finally two examples are compared with the optimum that has been known，the result indicates that social evolutionary programming with fewer agents and less iterative times can also converge the optimum.

Key words: social evolutionary programming, ant colony optimization, Travelling Salesman Problem（TSP）

中图分类号:

TP18

蓝晓玲¹，周永权²，韦修喜¹. 求解TSP问题的社会演化算法[J]. 计算机工程与应用, 2009, 45(26): 46-48.

LAN Xiao-ling¹，ZHOU Yong-quan²，WEI Xiu-xi¹. Social evolutionary programming algorithm for TSP[J]. Computer Engineering and Applications, 2009, 45(26): 46-48.

[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.

求解TSP问题的社会演化算法

Social evolutionary programming algorithm for TSP

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