多目標(biāo)路由問(wèn)題中的蟻群優(yōu)化算法研究.pdf

1、路由問(wèn)題，諸如旅行商問(wèn)題和車輛路徑問(wèn)題，由于具有極高的學(xué)術(shù)價(jià)值和廣泛的現(xiàn)實(shí)應(yīng)用，因此得到了廣泛的研究。同時(shí)，多目標(biāo)優(yōu)化由于提供了對(duì)問(wèn)題新的定義的機(jī)會(huì)，因而得到了越來(lái)越多的關(guān)注。本文主要針對(duì)多目標(biāo)路由問(wèn)題這一更加貼近現(xiàn)實(shí)應(yīng)用的路由問(wèn)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(duì)蟻群優(yōu)化算法在運(yùn)行過(guò)程中如何保持對(duì)已發(fā)現(xiàn)的最優(yōu)解的開發(fā)和對(duì)未知解的探索之間的平衡這一關(guān)鍵問(wèn)題，通過(guò)引入云模型這一定性定量轉(zhuǎn)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(guò)使用半云模型作為模糊隸屬函數(shù)，對(duì)當(dāng)前迭代中的一些次優(yōu)解進(jìn)行信息素更新，同時(shí)通過(guò)構(gòu)建一種自適應(yīng)機(jī)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(wèn)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(guò)對(duì)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(shí)，旅行商問(wèn)題的求解結(jié)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(chǔ)上，結(jié)合多目標(biāo)路由問(wèn)題的特點(diǎn)，本文提出了一種新的基于云模型的多目標(biāo)蟻群算法CMACA。CMACA算法通過(guò)對(duì)多目標(biāo)路由問(wèn)題中的每個(gè)目標(biāo)建立相應(yīng)的啟發(fā)式信息和信息素信息，并對(duì)其信息素信息采用云模型進(jìn)行模糊處理，在對(duì)非支配解進(jìn)行全局信息素更新的同時(shí)對(duì)某些次支配解也進(jìn)行信息素更新。CMACA算法通過(guò)對(duì)信息素的狀態(tài)評(píng)估，建立一種多目標(biāo)優(yōu)化的自適應(yīng)機(jī)制，從而促使CMACA