二階蟻群算法及蛙跳算法的研究.pdf

1、蟻群優(yōu)化(ant colony optimization,ACO)是受自然界蟻群覓食行為的啟發(fā)而產(chǎn)生的一種群體智能優(yōu)化算法。ACO算法采用了求解離散問題的優(yōu)化機(jī)制,解決了科學(xué)和工程領(lǐng)域的大量難題:比如各種經(jīng)典的組合優(yōu)化問題和數(shù)字圖像處理問題等。盡管蟻群算法擁有信息素更新策略的正反饋性和貪婪啟發(fā)式搜索機(jī)制,保證了算法能夠更快地發(fā)現(xiàn)較好的解,但是當(dāng)蟻群算法的搜索過程進(jìn)行到后期,所有螞蟻探索的解完全一致,不能對(duì)解空間進(jìn)行進(jìn)一步的開發(fā)。由于蟻群

2、算法具有較強(qiáng)的耦合性,易于與其他與啟發(fā)式算法以及仿生優(yōu)化算法相結(jié)合,本文選取蛙跳算法(shuffled frog leaping algorithm,SFLA)與蟻群算法相融合,使算法在運(yùn)行的后期跳出局部最優(yōu)解,增大算法的求解精度?；谝陨涎芯?本文的主要工作有以下幾點(diǎn):
　　首先,提出二階蟻群算法(double phase ant colony optimization,DPACO)。在蟻群算法的信息素更新階段引入順序更新規(guī)則,

3、分兩個(gè)階段對(duì)螞蟻?zhàn)哌^路徑上的信息素進(jìn)行更新,提出了兩種信息素更新階段的劃分策略:硬劃分策略和軟劃分策略,并把每段路徑上的信息素的值限定在一個(gè)整數(shù)區(qū)間中;對(duì)經(jīng)典旅行商問題的實(shí)驗(yàn)結(jié)果表明,二階蟻群算法能夠跳出局部最優(yōu)解,算法的搜索能力明顯增強(qiáng)。
　　考慮到蟻群算法有較強(qiáng)的耦合性,研究了二階蟻群算法與蛙跳算法的融合。一是將二階蟻群算法的概率選擇規(guī)則中加入了經(jīng)驗(yàn)反饋算子,使得螞蟻在路徑構(gòu)建中能夠考慮所選取解元素對(duì)整個(gè)路徑的長期影響;二是設(shè)