1 / 8
文档名称:

大学方案开题报告范文.docx

格式:docx   大小:44KB   页数:8页
下载后只包含 1 个 DOCX 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

文档介绍:个人资料整理 仅限学习使用











南京航空航天大学金城学院



毕业设计 <论文)开题报告

















基于蚁群算法的 TSP 且 Tj=0 。 放置 m 个蚂蚁到 n 个城市上。

步骤 2: 将各蚂蚁的初始出发点置于当前解集 TABUk(s>中。 对每个蚂蚁

k(k=1, ?,m>, 按概率 Pij(t> 移至下一城市 j 。 将城市 j 置于 TABUk(s>中。

步骤 3: 经过 n 个时刻 , 蚂蚁 k 可走完所有的城市 , 完成一次循环。计算每

个蚂蚁走过的总路径长度 Lk, 更新找到的最短路径。

步骤 4: 更新每条边上的信息量 Tij(t+n>

步骤 5: 对每一条边置 Tij=0 。 nc=nc+1

步骤 6: 若 nc<预定的迭代次数 Ncmax, 则转步骤 2。 否则 , 打印出最短路径 ,

终止整个程序。

1.3 蚁群算法优缺点

蚁群算法是一种分布式的本质并行算法,蚁群算法是一种正反馈算法,蚁群算法具有较强的鲁棒性,易于与其它方法结合。但蚁群算法收敛速度慢、计算时间长,易于过早陷入局部最优,不利于解决连续问题。

1.4 蚁群算法的展望

<1) 目前大部分改进的蚁群算法都是针对于特定问题 , 普适性不强 , 同时蚁

群算法模型也不能直接应用于实际优化问题。虽然正反馈机制就是一个很好的普适

性模型 , 但还远远不够。因此 , 急需设计一种通用的蚁群算法普适性模型。

<2) 现阶段的蚁群算法只是模拟了自然蚂蚁很少一部分社会性 , 例如信息素

机制。仍然有很大的空间去提出更加智能化的蚁群行为。

<3) 蚁群算法目前还带有明显的经验性 , 很多结果只是建立在实验的基础之

上, 需要逐步奠定其理论基础。

因此,根据 TSP问题的特点,建立蚁群算法的模型,可以较好的解决此类组合优化问题 <NP问题)。





参考文献





个人资料整理 仅限学习使用

[1]Dorigo M . Ant algorithms and atigmergy[J]
. FutureGeneration Computer
System.2000,16<8 ): 851-871





[2]
DorigoM .Gambardella L . M.Ant colony system
: a cooperative learning

approach to the traveling
salesman
problem[J] . IEEE Trans . on

Evolutionary Computation
,1997,1<1): 53-66

[3]
DorigoM . Luca
M. The
ant colonyalgorithm
applied to
the nuclear

reload problem
. Annals of Nuclear Energy
. 2009, 29<12): 1455-

分享好友

预览全文

大学方案开题报告范文.docx

上传人:可爱小月 2022/1/19 文件大小:44 KB

下载得到文件列表

大学方案开题报告范文.docx

相关文档