检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 求解TSP的改进信息素二次更新与局部优化蚁群算法

许凯波, 鲁海燕, 程毕芸, 黄洋

计算机应用 2017, 37 (6): 1686-1691. DOI: 10.11772/j.issn.1001-9081.2017.06.1686

摘要（538）

PDF （961KB）（844）

针对蚁群（ACO）算法收敛速度慢、容易陷入局部最优的缺陷，提出了一种改进信息素二次更新局部优化蚁群算法（IPDULACO）。该算法对蚁群搜索到的当前全局最优解中路径贡献度大于给定的路径贡献阈值的子路径信息素进行二次更新，以提高构成潜在最优解的子路径被选择的概率，从而加快算法的收敛。然后，在搜索过程中，当蚁群陷入局部最优时，使用随机插入法对局部最优解中城市的排序进行调整，以增强算法跳出局部最优解的能力。将改进算法应用于若干经典的旅行售货商问题（TSP）进行仿真实验，实验结果表明，对于小规模的TSP，IPDULACO可以在较少的迭代次数内获得已知最优解；对于较大规模的TSP，IPDULACO可以在较少的迭代次数内获得更精确的解。因此，IPDULACO具有更强的搜索全局最优解的能力和更快的收敛速度，可以高效求解TSP。

参考文献 | 相关文章 | 多维度评价

Select

2. 求解TSP的自适应优秀系数粒子群优化算法

程毕芸, 鲁海燕, 黄洋, 许凯波

计算机应用 2017, 37 (3): 750-754. DOI: 10.11772/j.issn.1001-9081.2017.03.750

摘要（663）

PDF （988KB）（601）

针对基本离散粒子群优化（PSO）算法求解旅行售货商问题（TSP）时容易陷入局部最优解和早熟收敛的问题，提出了一种基于自适应优秀系数的粒子群（SECPSO）算法。为了提高算法的全局搜索能力，在已有工作的基础上，进一步利用启发式信息对静态的路径优秀系数进行修改，使之可根据解的搜索过程进行自适应动态调整；另外，为了进一步提高解的精确性和算法的收敛速度，添加了3-opt搜索机制，提高算法的局部搜索能力。利用Matlab进行了实验仿真，用国际通用的TSP数据库（TSPLIB）中的若干经典实例对算法性能进行了测试。实验结果表明，与其他几种算法相比，SECPSO算法在全局寻优能力和更快的收敛速度方面表现更优，是求解TSP问题的一种有潜力的智能算法。

参考文献 | 相关文章 | 多维度评价