多目標路由問題中的蟻群優(yōu)化算法研究.pdf

1、路由問題，諸如旅行商問題和車輛路徑問題，由于具有極高的學術價值和廣泛的現(xiàn)實應用，因此得到了廣泛的研究。同時，多目標優(yōu)化由于提供了對問題新的定義的機會，因而得到了越來越多的關注。本文主要針對多目標路由問題這一更加貼近現(xiàn)實應用的路由問題展開蟻群優(yōu)化算法的研究，主要完成的工作和取得的研究成果包括： 首先，本文針對蟻群優(yōu)化算法在運行過程中如何保持對已發(fā)現(xiàn)的最優(yōu)解的開發(fā)和對未知解的探索之間的平衡這一關鍵問題，通過引入云模型這一定性定量轉換

2、模型，提出了一種基于云模型的模糊蟻群算法CFACA。CFACA算法通過使用半云模型作為模糊隸屬函數(shù)，對當前迭代中的一些次優(yōu)解進行信息素更新，同時通過構建一種自適應機制，有效的避免了算法的早熟收斂，提高了算法在求解路由問題中的性能。 其次，本文分析了基于云模型的模糊蟻群算法CFACA的收斂性。通過對CFACA算法概率模型的分析，證明了本文提出的CFACA算法是收斂的。同時，旅行商問題的求解結果表明CFACA算法在收斂速度和穩(wěn)定性方

3、面要優(yōu)于現(xiàn)有的ACS算法和MMAS算法。 第三，在CFACA算法的基礎上，結合多目標路由問題的特點，本文提出了一種新的基于云模型的多目標蟻群算法CMACA。CMACA算法通過對多目標路由問題中的每個目標建立相應的啟發(fā)式信息和信息素信息，并對其信息素信息采用云模型進行模糊處理，在對非支配解進行全局信息素更新的同時對某些次支配解也進行信息素更新。CMACA算法通過對信息素的狀態(tài)評估，建立一種多目標優(yōu)化的自適應機制，從而促使CMACA