基于信息素更新和挥发因子调整改进蚁群算法.doc

基于信息素更新和挥发因子调整改进蚁群算法.doc:..基于信息素更新和挥发因子调整改进蚁群算法张永强王晓东(西安工程人学理学院,陕西西安710048)摘要:基本蚁群算法存在易陷入局部最优解、收敛速度慢等缺点,本文运川正负反馈调节信息素增量大小,并将信息素挥发因子随机化,,改进蚁群算法比®木蚁群算法(15602):蚁群算法;信怠素;TSP中图分类号:TP312 文献标志码:AImprovedantcolonyoptimizationalgorithmbasedonpheromoneupdatingandevaporationfactoradjustingZHANGYong-qiang,WANGXiao-dong(SchoolofScience,Xi’anPolytechnicUniversity,Xi’an710048,China)Abstract:Thebasicantcolonyalgorithmconvergesslowly,,,(15602).Keywords:antcolonyalgorithm;pheromone;TSP针对蚁群算法易陷于局部最优解,搜索时问1<:等缺点,,限制丫残留信息量,德国学者Thomassttzle与JolgerHoos提出了最大最小蚁群系统算法[1],将各条路径上的信息素浓度限制在一定的范围内,避免某条路径的信息量远大于其他路径,、易限于局部最优解等缺陷,刘瑞杰,胡小兵[21提出基于动态调节信息素增量的蚁群算法:孟祥萍,片兆宇,沈中玉等[3]提出了基于方向信息素协凋的蚁群算法;张家善,王志宏[4]引入信息素调节系数,提出了基于信息素的改进蚁群算法及其在TSP中的应用;郑卫国,田其冲,张磊[5]对蚂蚁进行区分,控制信息素浓度,提出了基于信息素强度的改进蚁群算法;侯文静,马永杰等[61提出了一种改进的蚁群算法,通过在初始化信息素矩阵屮采用候选节点列表减少劣质解,在局部搜索中采用聚类进行二次搜索,缩小了算法的搜索范W、改善了解空间的质量,提高了搜索速度;柳长安,鄢小虎等[7]提出了根据