蟻群算法的改進及其在車輛路徑問題中的應用.pdf

1、優(yōu)化技術是一種以數(shù)學為基礎，用于求解各種工程問題優(yōu)化解的應用技術。作為一個重要的科學分支，它一直受到人們的廣泛重視，并在工業(yè)生產(chǎn)、經(jīng)濟等領域得到迅速推廣和應用。鑒于實際工程優(yōu)化問題的復雜性、約束性、非線性、建模困難等特點，尋求一種適于大規(guī)模并行且具有智能特性的優(yōu)化算法己成為有關學科的一個主要研究目標和引人注目的研究方向。 20世紀80年代以來，通過模擬或揭示某些自然現(xiàn)象而產(chǎn)生了一些新穎的啟發(fā)式智能算法，如遺傳算法，模擬退火算法、

2、禁忌搜索算法，蟻群算法等。這些算法獨特的優(yōu)點和機制，引起了國內(nèi)外學者的廣泛重視并掀起了全局優(yōu)化領域的研究熱潮，尤其是近十多來發(fā)展起來的蟻群算法。 蟻群算法(Ant Colony Optimization，簡稱ACO)是意大利學者M.Dorigo等人通過模擬蟻群覓食行為提出的一種基于種群的模擬進化算法。蟻群算法采用分布式并行計算機制，易與其他方法結(jié)合，具有較強的魯棒性等特點。因此，蟻群算法的研究無論是理論上還是應用上，都有較高的價

3、值。 本文主要研究了蟻群算法的改進及應用，主要研究內(nèi)容如下： (1)分析基本蟻群算法的原理與模型，實現(xiàn)步驟，算法特點，通過實驗分析了基本蟻群算法中幾個關鍵參數(shù)的選擇。 (2)針對基本蟻群算法收斂速度慢和易陷入局部最優(yōu)等缺點，提出一種改進的蟻群算法。該改進算法借鑒最大最小蟻群算法中利用限制信息素范圍的思想，這樣可以抑制由于最短路徑和最長路徑信息量差距加劇而引起的停滯現(xiàn)象，同時引入局部信息素更新及局部搜索策略，有效抑