采用序优化的改进蚁群算法

张兆军 1; 冯祖仁 1; 2; 任志刚 1; 2

您当前的位置：

首页 >

文章列表页 >

采用序优化的改进蚁群算法

更新时间：2025-07-09

- 采用序优化的改进蚁群算法
- Novel Ant Colony Optimization Algorithm Based on Order Optimization
- 西安交通大学学报 2010年44卷第2期页码：15-19+30
- 作者机构：
  
  1. 西安交通大学系统工程研究所,西安,710049
  2. 西安交通大学机械制造系统工程国家重点实验室,西安,710049
- 作者简介：
- 基金信息：
  
  : 2009-06-20. 作者简介: 张兆军(1981-),男,博士生;冯祖仁(联系人),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(60875043);国家重点基础研究发展规划资助项目(2007CB311006)
- DOI：
  中图分类号： TP18
- 网络首发：2010-02-10，
  
  纸质出版：2010
- 稿件说明：
移动端阅览
张兆军 1, 冯祖仁 1, 2, 等. 采用序优化的改进蚁群算法[J]. 西安交通大学学报, 2010,44(2):15-19+30.

Novel Ant Colony Optimization Algorithm Based on Order Optimization[J]. 2010, 44(2): 15-19+30.
张兆军 1, 冯祖仁 1, 2, 等. 采用序优化的改进蚁群算法[J]. 西安交通大学学报, 2010,44(2):15-19+30. DOI：

Novel Ant Colony Optimization Algorithm Based on Order Optimization[J]. 2010, 44(2): 15-19+30. DOI：

摘要

为了评价蚁群算法在有限时间内所得优解的质量

基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解

并对信息素进行相应的初始化; 确定得到满足要求的优解所需要的迭代次数

将其作为算法的终止条件; 为了更好地利用每次迭代中的优解

在算法开始阶段使用前l个迭代优解更新信息素

以增强探索能力; 在算法结束阶段采用当前迭代最优解更新信息素

以加快收敛速度. 改进算法在保证收敛的前提下

并没有增加算法的时间复杂度. 对旅行商问题进行的仿真实验表明

改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.

Abstract

To evaluate the quality of optimal solutions obtained by the ant colony optimization(ACO)algorithm in limited time

an improved ACO algorithm is presented on the basis of the ordinal optimization. An initial solution is selected using the blind picking rule

and the pheromone is initialized correspondingly. The number of iterations to achieve the optimal solution meeting the demand is then determined and is used as the termination condition of the algorithm. To make better use of the solutions obtained at each iteration

the first l solutions are employed to enhance search capability at the beginning phase of the algorithm. While the current optimal solution is used at the end phase of the algorithm to accelerate the convergence. The time complexity of the novel algorithm is not increased under the condition that ensures the convergence. Simulation results on the traveling salesman problem show that the proposed algorithm is superior to the max-min ant system in both the quality of solutions and the speed of convergence.

关键词

Keywords

references

DORIGO M, MANIEZZO V, COLORNI A. The ant system: optimization by a colony of cooperating agents [J]. IEEE Trans on Systems, Man, and Cybernetics: B, 1996, 26(1): 29-41.

任志刚, 冯祖仁, 柯良军. 蚁群优化属性约简算法 [J]. 西安交通大学学报, 2008, 42(4): 440-444.

REN Zhigang, FENG Zuren, KE Liangjun. Ant colony optimization approach to attribute reduction problem [J]. Journal of Xi'an Jiaotong University, 2008, 42(4): 440-444.

DORIGO M, GAMBARDELLA L M. Ant colony system: a cooperative learning approach to the traveling salesman problem [J]. IEEE Trans on Evolutionary Computation, 1997, 1(1): 53-66.

STÜTZLE T, HOOS H H. Max-min ant system [J]. Future Generation Computer Systems, 2000, 16(9): 889-914.

熊伟清, 魏平. 二进制蚁群进化算法 [J]. 自动化学报, 2007, 33(3): 259-264.

XIONG Weiqing, WEI Ping. Binary ant colony evolutionary algorithm [J]. Acta Automatica Sinica, 2007, 33(3): 259-264.

张晓霞, 唐立新. 一种求解TSP问题的ACO SS 算法设计[J]. 控制与决策, 2008, 23(7): 762-766.

ZHANG Xiaoxia, TANG Lixin. An ACO SS algorithm for traveling salesman problem [J]. Control and Decision, 2008, 23(7):762-766.

HO Y C, SREENIVA R S. Ordinal optimization of discrete event dynamic systems [J]. Journal of DEDS, 1992, 2(2): 61-88.

HO Y C. An explanation of ordinal optimization: soft computing for hard problems [J]. Information Sciences, 1999, 113(3/4): 169-192.

张亮, 王凌, 郑大钟. 有限计算量下模拟退火算法的参数序优化 [J]. 控制与决策, 2004, 19(2): 226-229.

ZHANG Liang, WANG Ling, ZHENG Dazhong. Parameter ordinal optimization for simulated annealing with limited computational efforts [J]. Control and Decision, 2004, 19(2): 226-229.

MORI H, TANI H. A hybrid method of PTS and ordinal optimization for distribution system service restoration[C]. IEEE International Conference on Systems, Man and Cybernetics. Piscataway, NJ, USA: IEEE, 2003: 3476-3483.

BULLNHEIMER B, HARTL R F, STRAUSS C. A new rank-based version of the ant system: a computational study [J]. Central European Journal for Operations Research and Economics, 1999, 7(1): 25-38.

STÜTZLE T, DORIGO M. A short convergence proof for a class of ant colony optimization algorithms [J]. IEEE Trans on Evolutionary Computation, 2002, 6(4): 358-365.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

分散、递阶蚁群算法及其在相变序列图像分割中的应用

动态团队定向问题的模型及其优化算法

电动车辆间接热系统快速除湿响应迟滞机理及优化控制策略

电子级超纯氮深冷空分流程节能优化研究

语义区分和子图整合驱动的知识图谱表示学习方法