基于分布均勻度的改進蟻群算法.pdf

1、作為一種新型的群集智能算法，蟻群算法從20世紀90年代提出至今，被廣泛應用于求解復雜的組合優(yōu)化問題，如調度問題、TSP問題等，取得了比較好的效果。然而蟻群算法自身也存在著不足之處：蟻群搜索的隨機性容易導致全局搜索效率低、收斂速度慢；信息素的正反饋性容易導致在搜索后期，所有個體尋找到的解完全一致，算法不能對解空間進一步地搜索，不利于發(fā)現全局最優(yōu)解甚至更好解等等。
　　 針對以上這些缺陷，為了解決蟻群算法加速收斂和早熟停滯現象這對矛

2、盾，本文在基于分布均勻度的蟻群算法[1]提出的“聚度”思想的基礎上進行了改進，提出了基于分布均勻度的改進蟻群算法，主要進行了兩方面的改進：
　　 (1)、自適應選擇策略。在選擇策略中，在基于分布均勻度的蟻群算法[1]的基礎上重新定義了“城市聚度”、“選擇窗口”等概念，構造了一種具有自適應功能的狀態(tài)轉移策略。
　　 (2)、自適應信息素更新策略。在信息素更新策略中，采用全局更新(基于蟻周模型)和局部更新(基于蟻密模型)相結

3、合的方式，并在局部更新時提出信息素影響因子遞減的思想，既結合了TSP問題自身的特點，又能夠根據解的分布均勻程度自適應地調整信息素更新策略，保證了算法在搜索后期的高質量。首先，將“城市聚度”引入信息素影響因子的計算中，使得算法能夠根據解的實際分布狀況動態(tài)地調整信息素更新策略；其次，通過控制信息素影響因子，相對地減少后程搜索的信息素增加量，從而減少非優(yōu)路徑對后繼搜索的影響，使得算法在搜索后期能有更大的可能跳出局部最優(yōu)，達到提高算法整體的搜索