計算智能課程設計_粒子群優(yōu)化算法求解旅行商問題_matlab實現

1、1摘要：TSP是一個典型的NPC問題。本文首先介紹旅行商問題和粒子群優(yōu)化算法的基本概念。然后構造一種基于交換子和交換序[1]概念的粒子群優(yōu)化算法，通過控制學習因子和1c、最大速度，嘗試求解旅行商問題。本文以中國31個省會城市為例，通過MATLAB2cmaxV編程實施對旅行商問題的求解得到了一定優(yōu)化程度的路徑，是粒子群優(yōu)化算法在TSP問題中運用的一次大膽嘗試。關鍵字：TSP問題；粒子群優(yōu)化算法；MATLAB；中國31個城市TSP。3有的鳥

2、都不知道食物在那里。但是他們知道當前的位置離食物還有多遠。那么找到食物的最優(yōu)策略是什么呢。最簡單有效的就是搜尋目前離食物最近的鳥的周圍區(qū)域。2.粒子群算法的基本思想[2]1.1.粒子群優(yōu)化算法的基本原理粒子群優(yōu)化算法的基本原理一個由個粒子(Particle)組成的群體(Swarm)在維搜索空間中以一定的速度飛行，每mD個粒子在搜索時，考慮到了自己搜索到的的歷史最好點和群體內(或領域內)其它粒子的最好點，在此基礎上進行位置(狀態(tài)、也就是解

3、)的變化。第個粒子的位置表示為：i12()iiiiDxxx????x第個粒子的速度表示為：，i12()iiiiDvvv????v1dD??第個粒子所經歷的歷史最好點表示為：i1im??12()iiiiDppp????p群體內(或領域內)所有粒子所經歷過的最好的點表示為：。12()ggggDppp????p一般來說，粒子的位置和速度都是在連續(xù)的實數空間內進行取值，粒子的位置和速度根據如下方程進行變化112()()kkkkkkidididi

4、dgdidvvcpxcpx?????????1kkkidididxxv???其中，為慣性權重。和稱為學習因子(LearningFact)或加速系數(Acceleration?1c2cCoefficient)，一般為正常數。學習因子使粒子具有自我總結和向群體中優(yōu)秀個體學習的能力，從而向自己的歷史最優(yōu)點以及群體內或領域內的歷史最優(yōu)點靠近。和通常等于1c2c2。，，是在區(qū)間內均勻分布的偽隨機數。粒子的速度被限制在一個最大??[01]U?[01