混合蟻群算法求解TSP問題.pdf

1、蟻群算法是一種廣泛用于求解組合優(yōu)化問題的啟發(fā)式智能算法，在解決復雜離散優(yōu)化問題方面展現(xiàn)出其優(yōu)異的性能及潛力。但其仍存在一些不足，例如搜索時間長，易陷入早熟和停滯等現(xiàn)象。蟻群算法本身也具有易于和其他算法融合的特點，同時很多新型的仿生算法在解決組合優(yōu)化問題方面有著很好的表現(xiàn)，在算法機理和算法實現(xiàn)上有著和蟻群優(yōu)勢互補的特點。
　　 蛙跳算法是一種結(jié)合了具有遺傳學特征的Memetic算法和粒子群算法特點的新興的群智能優(yōu)化算法，具有較強的

2、全局搜索能力。
　　 模擬退火算法源于固體物質(zhì)退火原理，能夠有效的解決大規(guī)模組合優(yōu)化問題，是近年來相關(guān)領(lǐng)域的研究熱點。
　　 因此，基于以上背景，本文的主要研究內(nèi)容如下：
　　 首先，結(jié)合TSP問題對蟻群算法、蛙跳算法以及模擬退火算法的基礎(chǔ)理論研究進行綜述，包括各個算法的研究現(xiàn)狀和發(fā)展情況，算法的機理，算法的模型和算法的實現(xiàn)等。
　　 其次，針對蟻群算法的一些缺點提出改進的策略，包括狀態(tài)轉(zhuǎn)移和信息素更新策

3、略，進一步提高了算法的計算能力。
　　 第三，分別將蛙跳算法和模擬退火算法與蟻群算法進行結(jié)合。對蛙跳算法和模擬退火提出幾種算法改進策略和與蟻群算法進行混合的策略，包括蛙跳.蟻群算法的信息素初始化策略，動態(tài)融合策略，高斯變異及柯西變異策略，以及模擬退火.蟻群算法的信息素初始化策略，動態(tài)融合策略，針對混合算法的降溫公式的優(yōu)化策略。
　　 最后，對改進的各個算法進行了求解TSP問題的實驗驗證，其結(jié)果表明了改進算法和改進策略的有