基于隶属云模型蚁群算法与LK搜索的TSP求解

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 46-55.

基于隶属云模型蚁群算法与LK搜索的TSP求解

张煜东，吴乐南，王水花，韦耿，颜俊，朱庆

东南大学信息科学与工程学院，南京 210096

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Improved ant colony algorithm based on membership cloud models

ZHANG Yudong，WU Lenan，WANG Shuihua，WEI Geng，YAN Jun，ZHU Qing

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

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 提出一种求解TSP的算法，采用“问题无关的进化算法与问题相关的局部搜索相结合”的策略。采用基于云模型的蚁群算法来产生足够好的解；改进传统的LK算法，新加入5种搜索删除集与添加集元素的准则，以此细化搜索。将该算法用于求解TSPLIB中不同类型、城市数从48到33 810内变化的TSP，比较该学派与其他学派算法的偏离率与运行时间，结果均显示该算法更优，有效求解了TSPLIB中的非对称TSP、哈密尔顿圈问题。

关键词: 隶属云, 蚁群算法, LK算法, 旅行商问题, 非对称旅行商问题, 哈密尔顿圈问题

Abstract: This paper proposes a novel method，which combines the problem-independent evolution algorithm and problem-
dependent local search，to solve TSP.This method adopts an improved ant colony algorithm based on the cloud model to generate high-quality solutions，and improves the traditional LK algorithm by addition of 5 new criterions to refine the element searching in the deletion set and the addition set.Experiments on different types and city numbers ranged from 48 to 33，810 show that the proposed method is superior to algorithms not only within this school but also among other schools in respect of the gap and computation time.Besides，the application to asymmetric TSP and Hamilton cycle problem also demonstrate the efficacy and efficiency of the proposed method.

Key words: membership cloud, ant colony algorithm, Lin and Kernighan’s algorithm, traveling salesmen problem, asymmetric traveling salesman problem, Hamiltonian cycle problem

张煜东，吴乐南，王水花，韦耿，颜俊，朱庆. 基于隶属云模型蚁群算法与LK搜索的TSP求解[J]. 计算机工程与应用, 2011, 47(14): 46-55.

ZHANG Yudong，WU Lenan，WANG Shuihua，WEI Geng，YAN Jun，ZHU Qing. Improved ant colony algorithm based on membership cloud models[J]. Computer Engineering and Applications, 2011, 47(14): 46-55.

[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.