文档介绍：摘要作为群体智能的一种典型实例,蚁群算法受到越来越多的关注。它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够实现智能搜索、全局优化,而且具有稳健性嘲粜、正反馈、分布式计算、易与其它算法结合等特点。因此,蚁群算法已成为当前群智能领域中最令人感兴趣的研究课题之一。目前蚁群算法的研究尚未成熟,作为一种新兴的智能优化算法,它存在算法自身求解速度缓慢、容易陷入局部最优等缺点。针对这些缺点,本文对蚁群算法基本理论进行了深入分析,对蚁群算法近年来的研究进展进行了归纳总结,并对不足之处进行了深入的分析。通过实验验证蚁群算法的各个参数对算法性能的影响,给出了蚁群算法中各参数的理想取值。。利用反序一杂交算子在产生后代时能跳离局部最优值,并且使算法具有自适应性的优点对蚁群算法进行了有效改进,增加了局部解的个数,从而扩大了最优解的选择范围。实验结果表明,本文提出的改进算法,加速了最优解的收敛速度,改善了最优解的质量,从而大大提高了蚁群算法的性能。关键词:蚁群算法;;优化;参数分析哈尔滨工稃大学硕士学位论文
知识水坝***@pologoogle为您整理
蜘甌..,.,甋...籭;;甀瓵琲篴
知识水坝***@pologoogle为您整理
作者┳:』蔓查堕哈尔滨工程大学学位论文原创性声明日期:砷年耭注明引用的内容外,本论文不包含任何其他个人或集体已人和集体,均已在文中以明确方式标明。本人完全意识到本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已经公开发表的作品成果。对本文的研究做出重要贡献的个本声明的法律结果由本人承担。
第滦髀课题的目的及意义动物界的智能行为一直是科学家灵感的源泉。近年来,群居的昆虫表现出来的集体智慧吸引了研究者的注意。蚁群优化算法就是利用群集智能解决组合优化问题的典型例子。它是由意大利学者瓺琕.,瓹热嗽兰甏跏紫忍岢隼吹摹它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够智能搜索、全局优化,而且具有稳健性嘲粜,正反馈、分布式计算、易与其它算法结合等特点。利用正反馈原理,可以加快进化过程;分布式计算使该算法易于并行实现,个体之间不断进行信息交流和传递,有利于找到较好的解,不容易陷入局部最优;该算法易与多种启发式算法结合,可改善算法的性能;由于鲁棒性强,故在基本蚁群算法模型的基础上进行修改,便可用于其它问题。因此,蚁群算法的问世为诸多领域解决复杂优化问题提供了有力的工具。但是,蚁群算法的发展历史只有年左右,还不像其它的启发式算法那样己形成系统的分析方法和具有坚实的数学基础。目前参数的选择更多的是依靠实验和经验,没有定理来确定。而且它的计算时间偏长,国内外的有关研究仍停留在实验探索阶段,但从当前的应用效果来看,这种模仿自然生物的新型系统寻优思想无疑具有十分光明的前景,更多深入本课题属于基础理论研究,旨在对蚁群算法近年来的研究进展进行总结,归纳算法的成功应用领域和存在的不足,并对不足之处进行深入理论分析,目的在于提高蚁群算法的总体性能。目前对蚁群算法的研究,不仅有算法意义上的研究,还有应用模型的研究,并且不断有学者提出对蚁群算法的改进方案:有的将蚁群算法与遗传算法相结合,有的给蚁群系统加入变异特征,细致的工作还有待于进一步展开。哈尔滨工程大学硕士学位论文
国内外研究现状摊⒒魅寺肪豆婊尽⒆饕盗鞒坦婊⑼甲派随后又提出了几种比较成功的扩展算法:基于蚂蚁等级的彳还有的提出所谓最大最小蚁群算法。本课题提出了一种高效的、全局收敛的改进蚁群算法——。目前蚁群算法的研究学者主要集中在比利时、意大利、德国等国家,美国和日本在近几年也开始了对蚁群算法的研究。国内的研究始于年末,主要在上海、北京等少数几个大学和研究所开展了此项工作,主要围绕及相关问题的实验仿真,少数涉及通信网络的路由选择、负载平衡、电力系统的故障检测以及蚁群算法在连续系统的应用,如函数逼近等方面应用的尝试。在国外,蚁群算法已经在集成电路布线、网络路由选择、机器人线路规划等方面得到了应用。蚁群优化算法并不是旅行商问题的最佳解决方法,但是它却为解决组合优化问题提供了新思路,并很快被应用到其它组合优化问题中。如二次规划∞彩⑼缏酚化自从等提出第一个惴ǎ碅惴后,许多学者对如何改进基本惴ń辛大量的研究。最早提出的是具有精英策略的抛即蚁群在每次环游之后,除了正常的信息素更新,还在