和声蚁群耦合算法求解整数规划的应用研究

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (20): 5-8.

和声蚁群耦合算法求解整数规划的应用研究

魏林1，付华2，尹玉萍2

1.辽宁工程技术大学基础教学部，辽宁葫芦岛 125105
2.辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛 125105

出版日期:2013-10-15 发布日期:2013-10-30

Research and application of integer programming based on combinative harmony search and ant colony algorithm

WEI Lin1, FU Hua2, YIN Yuping2

1.Department of Basic Education, Liaoning Technical University, Huludao, Liaoning 125105, China
2.School of Electrical and Control Engineering, Liaoning Technical University, Huludao, Liaoning 125105, China

Online:2013-10-15 Published:2013-10-30

摘要/Abstract

摘要： 针对于求解一般的整数规划问题，提出了和声蚁群耦合算法。采用和声搜索更新种群策略和个体扰动策略改善了蚁群算法过早收敛的问题，同时采用蚁群算法对寻优路径信息素的正反馈来加快和声搜索收敛于最优路径。实验结果表明，相比于蚁群算法和和声搜索算法，新算法大大提高了一般整数规划问题的搜索效率。

关键词: 和声搜索算法, 蚁群算法, 信息素, 整数规划, 最优路径, 过早收敛

Abstract: An improved hybrid optimization algorithm based on harmony search algorithm and ant colony algorithm is proposed to?solve the general integer programming problem. The new algorithm utilizes?harmony algorithm with updating population and individual disturbance strategy to improve ant colony algorithm premature convergence, and utilizes the pheromone positive feedback effect to speed up harmony search algorithm searching optimum?paths. Experimental results show that compared to the ant colony algorithm and harmony search algorithm, the new algorithm greatly improves the general integer programming problem search efficiency.

Key words: harmony search algorithm, ant colony algorithm, pheromone, integer programming, optimum?path, premature convergence

魏林1，付华2，尹玉萍2. 和声蚁群耦合算法求解整数规划的应用研究[J]. 计算机工程与应用, 2013, 49(20): 5-8.

WEI Lin1, FU Hua2, YIN Yuping2. Research and application of integer programming based on combinative harmony search and ant colony algorithm[J]. Computer Engineering and Applications, 2013, 49(20): 5-8.

[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]	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.
[4]	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.
[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]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[14]	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.
[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.