融合分级诱导策略的自适应蚁群优化算法

• 作者: 刘升 孟令武 游晓明
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 蚁群优化(ACO)算法 分级诱导 旅行商问题(TSP) 自适应
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 计算与测试
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)11-0130-04

摘要

针对蚁群优化(ACO)算法在求解旅行商问题(TSP)时易陷入局部最优,收敛速度较慢的问题,提出一种融合分级诱导策略的自适应蚁群优化(HIACO)算法.首先运行传统ACO算法,找出局部收敛迭代点,根据该点设置自适应平衡因子N,便于自适应平衡算法的种群多样性和收敛速度;然后,在HIACO算法前期(N代前)使用传统ACO算法,在HIACO算法后期(N代后)引入分级诱导策略,增加了算法的种群多样性,加快了算法收敛速度;最后,选取TSPLIB标准库中的多组TSP进行仿真实验.实验结果表明:相比传统ACO算法、最大最小蚂蚁系统(MMAS)算法和最新的蚁群优化算法A-ACS,本算法不易陷入局部最优,具有更强的寻优能力,更快的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	游晓明		65	380	11.0	17.0
2	刘升		89	467	10.0	19.0
3	孟令武		1	0	0.0	0.0