论文部分内容阅读
提出了路径相似度的概念,并根据较优可行解与最优解的相似度,来进行路径选择和信息素更新,以求能更快加速收敛和防止早熟、停滞现象。该算法根据截之间的相似度,自适应地调整路径选择策略和信息量更新策略。基于旅行商问题的实验验证了算法比一般蚁群算法具有更好的全局搜索能力、收敛速度和解的多样性。
一种基于路径相似度的蚁群算法
【摘 要】
：
提出了路径相似度的概念,并根据较优可行解与最优解的相似度,来进行路径选择和信息素更新,以求能更快加速收敛和防止早熟、停滞现象。该算法根据截之间的相似度,自适应地调整
【机 构】
：
同济大学信息管理与信邑系统系,西安理工大学信息系
【出 处】
：
计算机工程与应用
【发表日期】
：
2007年32期
【基金项目】
：
国家自然科学基金（the National Natural Science Foundation of Chinaunder Grant No.70531020）,新世纪人才支持计划资助（theby Program for New Century Excellent Talents in University No NCET-06-0377）.
其他文献
实时准确的交通流量预测是智能交通诱导和交通控制实现的前提和关键。针对城市交通流的特点，建立了模糊神经网络预测模型，并将全局优化的蚁群算法和粒子群算法组成递阶结构优化
通过对比航线配船问题与TSP问题的异同，成功将蚁群算法（ACA）用于航线配船，为求解大规模非线性整数规划问题提供了一条新的途径。
介绍了一种嵌入变尺度方法和禁忌搜索的混沌优化的蚁群优化法（ACA-HCO）,通过产生随机性的混沌变量,加入智能性禁忌表,采用变尺度法,加速搜索过程,混沌变量的随机性和遍历性有效