資源描述:
《基于遺傳算法混合蟻群算法地研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要群集智能與演化計(jì)算都是模仿自然界生物進(jìn)化過程而產(chǎn)生的一類仿生型算法,其代表算法——蟻群算法與遺傳算法從產(chǎn)生以來至今得到了越來越多的科研人員的重視。蟻群算法(AntColonyAlgorithm,ACA)是最近幾年才提出來的一種模擬由簡單個(gè)體組成的群落與環(huán)境以及個(gè)體之間的互動行為的仿生算法,它來源于對真實(shí)螞蟻群體尋找從巢穴到食物源最短路徑方法的模擬,體現(xiàn)了真實(shí)蟻群的協(xié)作過程,具有高度的并行性、正反饋性、魯棒性及協(xié)同性等優(yōu)點(diǎn),在解決復(fù)雜優(yōu)化問題上顯示出了良好的適應(yīng)性,是一種很有應(yīng)用前景的智能算法。由于蟻群算法的提出相對較晚,
2、所以至今還未形成系統(tǒng)的分析方法和堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ),算法中各個(gè)參數(shù)的選擇也只有通過先驗(yàn)知識來指導(dǎo)而沒有理論上的指導(dǎo);存在算法初期信息素匱乏,搜索時(shí)間過長,以及運(yùn)行過程中容易出現(xiàn)收斂過早或停滯現(xiàn)象等缺點(diǎn)。遺傳算法的提出相對蟻群算法較早,研究也相對較成熟,具有快速、隨機(jī)、全局收斂性的特點(diǎn),但同時(shí)存在信息素匱乏、求解效率低等缺陷。本論文在對蟻群算法與遺傳算法進(jìn)行充分比較研究后,將這兩種算法進(jìn)行了融合,同時(shí)對融合后的混合算法進(jìn)行了改進(jìn),并通過使用該混合算法在求解復(fù)雜旅行商問題(TSP問題)上的仿真實(shí)驗(yàn)結(jié)果表明,該改進(jìn)算法能夠更快地收斂到
3、全局最優(yōu)解。論文的貢獻(xiàn)及主要?jiǎng)?chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面:(1)提出了一種基于遺傳算法的混合蟻群算法。該算法利用遺傳算法在大范圍內(nèi)尋找一組粗略解,以這組粗略解為蟻群算法的初始路徑求解出其最優(yōu)解;同時(shí)為提高蟻群算法的全局搜索能力,在蟻群算法中嵌入變異、交叉等遺傳操作。并通過求解復(fù)雜TSP問題的仿真數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了這種基于遺傳算法的蟻群混合算法的高效性。(2)提出了一種新的自適應(yīng)改變?值的方法。由于蟻群算法中的?值在大多數(shù)情況下只能根據(jù)經(jīng)驗(yàn)來確定,而且對參數(shù)最佳值的選取是一極其復(fù)雜的問題,目前還沒有完善的理論依據(jù),而其對算法的性能優(yōu)劣
4、起著致關(guān)重要的影響,本論文對蟻群算法的信息揮發(fā)系數(shù)?進(jìn)行了進(jìn)一步的研究,提出了一種自適應(yīng)改變?值的方法,并將其應(yīng)用于基于遺傳算法的蟻群混合算法中。使混合算法能在保證一定的收斂速度下仍具有較優(yōu)的全局搜索能力。(3)在混合算法中引進(jìn)了新的路徑選擇策略。為了增加螞蟻在初始階段選擇路徑的多k樣性,論文對螞蟻在以概率p(t)進(jìn)行路徑選擇過程中引進(jìn)了新的選擇策略,在一定程度ij上削弱了混合算法陷入局部最優(yōu)的趨勢。關(guān)鍵字:蟻群算法;遺傳算法;混合算法;TSP問題IAbstractSwarmIntelligenceandEvolutiona
5、ryComputationallbelongtobionicalgorithmwhichimitatesevolvingprocessofnature.Astherepresentativealgorithm,antcolonyalgorithm(ACA)andgeneticalgorithms(GA)havebeenpaidmoreandmoreattentionbyresearchers.ACAemergerecentlyasanewmeta-heuristicwhichsimulatecommunitiesmaking
6、upofsomesimpleindividualsandits’environment.Itbasesontheresearchonantfindingtheshortestroadfromthenesttothefoodwhichreflectsthecooperatingprocessinthecourseofantcolonysearchingroute.Thecharacteristicsofparallel,positivefeedbackandrobustarestronglyshowedintherunning
7、ofACA.Itshowsagreatdealofsalientcharacterandgoodadaptabilityinitsapplication,especiallyinsolvingthecomplexcombination-optimizequestions.SoACAisapromisingapplicableintelligentalgorithm.ForACAbeingproposedcomparativelylate,ithasnosystematicanalyzingmethodandstablefou
8、ndationofmathematics,andthechoosingofparametersalsohasnopreviousknowledgeandtheorytoguide.so,attheinitialstageofalgorithm,thepheromoneisveryscarc