计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现.doc

该【计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现 】是由【雨林书屋】上传分享，文档一共【24】页，该文档可以免费在线阅读，需要了解更多关于【计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计-粒子群优化算法求解旅行商问题-Matlab实现大纲:TSP是一个典型的NPC问题。本文第一介绍旅行商问题和粒子群优化算法的基本看法。然后构造一种基于交换子和交换序[1]看法的粒子群优化算法,经过控制学****因子c1和c2、最大速度Vmax,试试求解旅行商问题。本文以中国31个省会城市为例,经过MATLAB编程实行对旅行商问题的求解,获取了必定优化程度的路径,是粒子群优化算法在TSP问题中运用的一次英勇试试。要点字:TSP问题;粒子群优化算法;MATLAB;中国31个城市TSP。计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现2计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现粒子群优化算法求解旅行商问题前言旅行商问题的归纳旅行商问题,即TSP问题(TravelingSalesmanProblem)又译为旅行销售员问题货郎担问题,是数学领域中有名问题之一。假设有一个旅行商人要拜会n个城市,他一定选择所要走的路径,路径的限制是每个城市只好拜会一次,并且最后要回到本来出发的城市。路径的选择目标是要求得的路径行程为全部路径之中的最小值。TSP问题是一个组合优化问题,其描述特别简单,但最优化求解特别困难,若用穷举法搜寻,对N个城市需要考虑N!种状况并两两比较,找出最优,其算法复杂性呈指数增添,即所谓“指数爆炸”。所以,追乞降研究TSP问题的有效启示式算法,是问题的要点。粒子群优化算法的归纳粒子群优化算法(ParticleSwarm计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现3计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是经过模拟鸟群觅食行为而发展起来的一种基于集体协作的随机搜索算法。平常以为它是群集智能(Swarmintelligence,SI)的一种。它可以被纳入多主体优化系统(MultiagentOptimizationSystem,MAOS).粒子群优化算法是由Eberhart博士和Kennedy博士发明。PSO模拟鸟群的捕食行为。一群鸟在随机搜觅食品,在这个地域里只有一块食品。全部的鸟都不知道食品在那处。但是他们知道当前的地址离食品还有多远。那么找到食品的最优策略是什么呢。最简单有效的就是搜寻当前离食品近来的鸟的四周地域。PSO从这类模型中获取启示并用于解决优化问题。PSO中,每个优化问题的解都是搜寻空间中的一只鸟。我们称之为“粒子”。全部的粒子都有一个由被优化的函数决定的适应值(fitnessvalue),每个粒子还有一个速度决定他们翱翔的方向和距离。而后粒子们就追随当前的最优粒子在解空间中搜寻。PSO初始化为一群随机粒子(随机解),而后计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现4计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现经过迭代找到最优解,在每一次叠代中,粒子经过追踪两个“极值”来更新自己。第一个就是粒子自己所找到的最优解,这个解叫做个体极值pBest,另一个极值是整个种群当前找到的最优解,这个极值是全局极值gBest。别的也可以不用整个种群而不过用此中一部分最优粒子的邻居,那么在全部邻居中的极值就是局部极值。粒子群优化算法求解旅行商问题旅行商问题是一个典型的、易于描述却难于办理的组合优化问题,并且是一个NP完整难题,其可能的路径数量与城市数量n是成指数型增添的,对n个城市而言,可能的路径总(n-1)!。随着n的增添,路径数将按数率急剧增添,即所谓的“指数爆炸”,所以一般很难精确地求出其最优解,因此找寻出其有效的近似求解算法就拥有重要的理论意义。而粒子群优化算法是解决复杂问题的有效方法,自然也能应用于解决旅行商问题。PSO模拟鸟群的捕食行为。一群鸟在随机搜觅食品,在这个地域里只有一块食品。全部的鸟都不知道食品在那处。但是他们知道当前的地址计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现5计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现离食品还有多远。那么找到食品的最优策略是什么呢。最简单有效的就是搜寻当前离食品近来的鸟的四周地域。[2](Particle)构成的集体(Swarm)在D维搜寻空间中以必定的速度翱翔,每个粒子在搜寻时,考虑到了自己搜寻到的的历史最好点和集体内(或领域内)其余粒子的最好点,在此基础长进行地址(状态、也就是解)的变化。第i个粒子的地址表示为:xi(xi1,xi2,,xiD)第i个粒子的速度表示为:vi(vi1,vi2,,viD),1dD第i个粒子所经历的历史最好点表示为1im:pi(pi1,pi2,,piD)集体内(或领域内)全部粒子所经历过的最好的点表示为:pg(pg1,pg2,,pgD)。一般来说,粒子的地址和速度都是在连续的实数空间内进行取值,粒子的地址和速度依据以下方程进行变化vk1vkc1(pkxk)c2(pkxk)ididididgdid计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现6计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现Vmax的范围内。xidk1xidkvidk此中,为惯性权重。c1和c2称为学****因子(LearningFactor)或加速系数(AccelerationCoefficient),一般为正常数。学****因子使粒子拥有自我总结和向集体中优秀个体学****的能力,从而向自己的历史最长处以及集体内或领域内的历史最长处凑近。c1和c2平常等于2。,U[0,1],是在[0,1]区间内均匀分布的伪随机数。粒子的速度被限制在一个最大当把集体内全部粒子都作为领域成员时,获取粒子群优化算法的全局版本;当集体内部分成员构成领域时获取粒子群优化算法的局部版本。局部版本中,一般有两种方式构成领域,一种是索引号相邻的粒子构成领域,另一种是地址相邻的粒子构成领域。粒子群优化算法的领域定义策[1]略又可以称为粒子群的领域拓扑构造。计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现7计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现计算智能课程设计粒子群优化算法求解旅行商问题Matlab实现粒子群优化算法的流程粒子群优化算法的主要构成因素集体大小m是个整型参数。当m很小的时候,堕入局优的可能性很大。但是,集体过大将以致计算时间大幅增添。并且当集体树木增添至必定水平常,再增添将不再有明显的作用。当m=1时,PSO算法变为基于个体搜寻的技术,一旦堕入局优,将不行能跳出。当m很大时,PSO的优化能力很好,但是收敛速度将特别慢。