文档介绍：基于信息素更新和挥发因子调整改进蚁群算法张永强王晓东(西安工程大学理学院,陕西西安710048)摘要:基本蚁群算法存在易陷入局部最优解、收敛速度慢等缺点,本文运用正负反馈调节信息素增量大小,并将信息素挥发因子随机化,,改进蚁群算法比基本蚁群算法(15602):蚁群算法;信息素;TSP中图分类号:TP312文献标志码:AImprovedantcolonyoptimizationalgorithmbasedonpheromoneupdatingandevaporationfactoradjustingZHANGYong-qiang,WANGXiao-dong(SchoolofScience,Xi’anPolytechnicUniversity,Xi’an710048,China)Abstract:Thebasicantcolonyalgorithmconvergesslowly,,,(15602).Keywords:antcolonyalgorithm;pheromone;TSP针对蚁群算法易陷于局部最优解,搜索时间长等缺点,,限制了残留信息量,德国学者Thomassttzle与JolgerHoos提出了最大最小蚁群系统算法[1],将各条路径上的信息素浓度限制在一定的范围内,避免某条路径的信息量远大于其他路径,、易限于局部最优解等缺陷,刘瑞杰,胡小兵[2]提出基于动态调节信息素增量的蚁群算法;孟祥萍,片兆宇,沈中玉等[3]提出了基于方向信息素协调的蚁群算法;张家善,王志宏[4]引入信息素调节系数,提出了基于信息素的改进蚁群算法及其在TSP中的应用;郑卫国,田其冲,张磊[5]对蚂蚁进行区分,控制信息素浓度,提出了基于信息素强度的改进蚁群算法;侯文静,马永杰等[6]提出了一种改进的蚁群算法,通过在初始化信息素矩阵中采用候选节点列表减少劣质解,在局部搜索中采用聚类进行二次搜索,缩小了算法的搜索范围、改善了解空间的质量,提高了搜索速度;柳长安,鄢小虎等[7]提出了根据目标点自适应调整启发函数,提高算法的收敛速度,借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优;申铱京,刘阳阳等[8]提出了一种改进的蚁群算法,改进算法采用信息素挥发因子自适应调整机制,调节算法收敛速度,保证算基金项目:陕西省教育厅专项科研计划项目,14JK1299作者简介:张永强(1989-),男,陕西省宝鸡市人,硕士,研究方向:智能算法,E-mail:******@.王晓东(1974-),女,陕西省咸阳市人,副教授,硕士生导师,E-mail:******@.[9]、收敛速度以及精度[10]等方面进行改进;蚁群算法的改进,大量是从蚁群算法的路径选择[11-12]、信息素更新准则[13]、局部搜索与全局搜索[14-16]、收敛速度慢等缺点,通过比较当前路径长度与平均路径长度大小,若当前路径长度小于平均路径长度,则运用正反馈调节信息素增量;若当前路径长度大于平均路径长度,则运用负反馈调节信息素增量;并用(0,1)上的一个随机变量代替信息素挥发因子ρ,使得蚁群算法自动调整路径上的信息素量,进而改进蚁群算法,并将改进后的蚁群算法运用到TSP路径优化中,[17-18].每只蚂蚁开始搜索时是从任意一个节点出发,在t时刻以概率P选择下一个节