排序方式: 共有60条查询结果,搜索用时 31 毫秒
11.
针对传统蚁群算法在解决TSP问题时易陷入局部最优、收敛速度较慢的问题,提出了一种基于启发式强化学习的异构双种群蚁群算法。蚁群分为主种群和子种群,主种群负责解的构建和信息素的更新,子种群则是在构建解的同时对主种群的解集进行替换。算法初期利用启发式算子自适应地控制两个种群的交流频率,通过偏离度系数控制解的交换方式。前期让子种群的最优解去替换主种群的随机解,增加解的多样性,同时引入强化学习机制对交流后主种群最优路径上的信息素进行自适应的奖赏,以增大最优公共路径以后被选择的概率。后期则控制子种群的最优解去替换主种群的最差解,强化最优路径上信息素的量,并对主种群最优路径上的信息素进行奖赏,进一步提高算法的收敛速度。实验仿真表明,算法能够有效地跳出局部最优,并且解的质量在大规模测试集上有明显的改善。 相似文献
12.
针对蚁群算法收敛速度较慢,易陷入局部最优等问题,提出一种基于协同过滤策略的异构双种群蚁群算法。针对两个异构种群,引入协同过滤策略,奖励两个种群中蚂蚁更加偏好的路径,使算法更具导向性,加快算法的收敛速度;根据种群之间信息的动态反馈,自适应调整两个种群的交流频率,增加算法多样性;算法停滞时,两个种群协同交互,均化每个种群信息素,跳出局部最优。最后,引入神经网络失活思想,采用城市范围失活的方法,使程序运行时间更短。在对中大规模商旅问题(TSP)测试集仿真实验上,该算法提高了解的质量,保证了算法的多样性,加快了算法的收敛速度。 相似文献
13.
针对蚁群系统(Ant Colony System,ACS)容易陷入局部最优和收敛速度较慢的不足,提出了自适应模糊蚁群系统(AF-ACS)用于旅行商问题(TSP)。该算法的核心是引入模糊隶属度和信息熵的概念,AF-ACS将以信息熵为概率,自适应地对ACS引入模糊隶属度,以平衡算法的种群多样性与收敛速度之间的关系。算法早期引入模糊隶属度的概率较小,保证算法的多样性;算法后期引入模糊隶属度的概率较大,提高算法的收敛速度。通过与ACS和ECACS(Entropy-based Adaptive Chaotic Ant Colony Algorithm)进行14种不同规模的TSP测试集实验对比,AF-ACS以较少的迭代次数取得最优解或较优解。从而证明了AF-ACS的可行性与高效性。 相似文献
14.
针对蚁群算法在旅行商问题(Traveling Salesman Problem,TSP)求解中难以找到最优解、容易早熟的问题,提出一种基于信息熵的多种群博弈蚁群算法。首先,算法采用主从合作博弈机制,引入夏普里公式和信息熵,自适应调整各算子的使用权重,同时构造奖惩算子,提高算法收敛性;然后,对从种群引入针锋相对策略,进行协同学习,提高从种群多样性;进一步,根据帕累托最优原则,对从种群引入协调博弈机制进行自适应合作,提高算法性能。最后,以TSPLIB标准库中的多组TSP问题作为实验算例,进行算法性能分析。实验结果表明,对比传统算法,该算法具有良好的求解精度和求解稳定性。 相似文献
15.
分析和讨论了当前数字校园建设中所面临的问题,指出了基于多Agent的分布式网格GIS技术是解决当前数字校园领域中所存在问题的最佳方式,详细阐述了基于Agent的数字校园网格GIS的集成框架,重点讨论了系统中Agent中间件的功能和网格服务的实现方法。 相似文献
16.
目前基于UML的面向Agent建模语言可以满足Agent的语法要求,而没有很好地满足其语义要求.本文提出以图形语义域变换作为UML的扩充语义机制,分析和讨论了面向Agent建模语言(AML)的体系结构和基于扩展UML的Agent间相互作用的协议描述方法,并应用实例表现了该扩充的可行性,为标准Agent建模语言的形成具有一定的促进作用. 相似文献
17.
提出了基于混沌理论的免疫量子进化算法,该算法应用混沌理论并依据小生境机制将初始个体划分为实数编码染色体的子群,各子群应用免疫特性的局域搜索能力找出优化解。混沌优化搜索机制能有效避免早熟收敛。为解决2进制算法所不能避免的精度与效率的冲突,采用10进制编码染色体。算法综合了量子计算的天然并行性、免疫算法的充分自适应性和混沌系统的遍历性,它比传统的进化算法具有更好的种群多样性,更快的收敛速度,更有效的全局和局域寻优能力。仿真实验也表明了该算法的优越性。 相似文献
18.
19.
同步型线路终接器是分组交换数据网中网络节点的部件,它是用户或干线实现同步协议(X.25/X.75)的系统接口。本文介绍一种同步型线路终接器的实现方法及特点。 相似文献
20.
从有效解决TSP问题的角度出发,系统地介绍了蚁群算法的基本原理和算法流程,简述了部分具有代表性的蚁群算法改进模型,提出了一种将蚁群系统纳入文化算法框架所形成的文化蚁群系统模型及其主要创新点,分析和设计了种群进化和文化进化协同进化机制,从而展示出文化进化在智能计算中对种群进化的指导作用及其加速种群进化的重要意义,并对该模型在今后的研究方向作了展望. 相似文献