基于蚁群数量动态调整的改进蚁群优化算法 |
| |
引用本文: | 白玮,王成,王彩玲,詹熙,张磊.基于蚁群数量动态调整的改进蚁群优化算法[J].计算机应用,2023(S1):163-168. |
| |
作者姓名: | 白玮 王成 王彩玲 詹熙 张磊 |
| |
作者单位: | 1. 中国人民解放军陆军工程大学指挥控制工程学院;2. 中国人民解放军92403部队 |
| |
摘 要: | 蚁群优化(ACO)算法是一种常用的元启发式算法,它通过模拟蚁群寻找食物的过程,为求解多维背包问题(MKP)等NP难(Non-deterministic Polynomial hard)问题提供可行途径。原始ACO算法及其改进算法,通常分为多个轮次,每个轮次均会生成一个蚂蚁种群寻找可行解。在不同轮次中,每轮蚁群中蚂蚁的数量是固定的,因此,如果将其指定一个较大的值,会导致算法出现不必要的时间消耗;反之,如果指定的值较小,则会降低算法全局最优解搜索能力。为此,提出了一种基于蚁群数量动态调整的改进蚁群优化算法ACO-ANDA(ACO algorithm based on Ant Number Dynamic Adjustment),所提算法在可行解搜索过程中,引入了一种新的蚁群数量动态调整机制。在每轮可行解搜索结束后,均根据近几轮可行解和历史最优解之间的关系,调整下一轮蚁群数量,实现对算法时间耗费和最优解搜索能力的平衡。再基于MKP基准测试集SAC-94的多组实验结果表明,相较于原始ACO算法,所提算法能够在最优解利润平均降低0.02%的情况下,平均降低77.85%的时间耗费。
|
关 键 词: | 元启发式算法 蚁群优化算法 多维背包问题 蚁群数量 动态调整 |
|
|