| 基于自适应转移概率的蚁群优化算法 |
| |
| 引用本文： | 何雪海,胡小兵,赵吉东,王志. 基于自适应转移概率的蚁群优化算法[J]. 计算机工程, 2010, 36(23): 165-167 |
| |
| 作者姓名： | 何雪海 胡小兵 赵吉东 王志 |
| |
| 作者单位： | (重庆大学数理学院， 重庆 400030) |
| |
| 基金项目： | 重庆市自然科学基金资助项目，重庆大学高层次人才科研启动基金资助项目，重庆大学数理学院青年科研启动基金资助项目 |
| |
| 摘 要： | 为避免蚁群优化算法容易早熟的缺点，在转移概率公式中引入一个新的自适应因子。随着迭代次数的增加，该因子有利于蚂蚁探索有较弱信息素浓度的边而避免一些边上信息素的过度积累。该特点使蚂蚁在迭代后期仍能以较高概率搜索到更好的解从而避免早熟。仿真实验结果表明，该算法对解决旅行商问题具有更优的全局搜索能力。
|
| 关 键 词： | 蚁群优化 自适应转移概率 旅行商问题 |
Ant Colony Optimization Algorithm Based on Adaptive Transition Probability |
| |
| HE Xue-hai,HU Xiao-bing,ZHAO Ji-dong,WANG Zhi. Ant Colony Optimization Algorithm Based on Adaptive Transition Probability[J]. Computer Engineering, 2010, 36(23): 165-167 |
| |
| Authors: | HE Xue-hai HU Xiao-bing ZHAO Ji-dong WANG Zhi |
| |
| Affiliation: | (School of Mathematics & Physics, Chongqing University, Chongqing 400030, China) |
| |
| Abstract: | A new factor in transition rule is employed to overcome the premature behavior in Ant Colony Optimization（ACO）.The factor can help the ants to obtain a better result by exploring the arc with low pheromone trail accumulated so far as time elapses.Besides,it can avoid the over-concentration of pheromone trail to enlarge the searching range.Simulation results show that the Improved Ant Colony System（IACS） has better performance in solving Traveling Salesman Problem（TSP） and more outstanding global optimization properties. |
| |
| Keywords: | Ant Colony Optimization(ACO) adaptive transition probability Traveling Salesman Problem(TSP) |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载免费的PDF全文 |
