连续蚁群优化算法的研究

• 作者: 吴晓华 程志刚 陈德钊
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 蚁群优化 演化算法 信息素 探索性 挖掘性 全局寻优
• 年，卷（期）: 2005,（8）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1147-1151
• 页数: 5页
• 分类号: TP183
• 字数: 3736字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2005.08.011

摘要

针对蚁群优化(ACO)只适用于离散问题的局限性,提出了连续蚁群优化算法(CACO),保留了连续问题可行解的原有形式,并融入演化算法(EA)的种群与操作功能.CACO将蚁群分工为全局和局部蚂蚁,分别引领个体执行全局探索式搜优与局部挖掘式搜优,并释放信息素,由个体承载,实现信息共享,形成相互激励的正反馈机制,加速搜优进程.实例测试表明,CACO适用于连续问题,全局寻优性能良好,尤其对复杂的高维问题,更能反映其相对优势.最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和种群规模等因素对CACO寻优性能的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德钊	浙江大学化学工程学系	112	1957	24.0	38.0
2	吴晓华	浙江大学化学工程学系	20	413	12.0	20.0
3	程志刚	浙江大学化学工程学系	4	68	4.0	4.0