基于解决ANTTSP问题的蚁群仿生优化算法的研究

基于解决ANTTSP问题的蚁群仿生优化算法的研究

论文摘要

蚁群算法是一种模拟昆虫王国中蚂蚁群体智能行为的仿生优化算法。算法采用正反馈并行自催化的机制,具有分布式计算机制、易于与其它仿生优化算法相融合的特点。目前,蚁群算法在求解组合优化问题中获得广泛应用,并且对蚁群算法的研究已成为一个具有重要意义的研究课题。论文在充分研究蚁群算法的特征、原理以及模型的基础上,结合算法程序设计的理论,主要完成包括参数定义、寻优过程和优化结果三个步骤的蚁群算法实现,分别对算法的收敛性、复杂度以及参数对性能的影响程度进行分析研究。论文围绕着对算法寻优过程影响最敏感的信息素更新策略这一关键突破点,提出自适应性信息素挥发因子、动态自适应性信息素和基于信息素扩散的三种改进算法模型,并对改进过程进行仿真数据测试,将得出的寻优结果进行性能分析。论文结合蚁群算法与遗传算法的特点,提出基于精英融合策略和变异选择策略两种改进算法模型,为蚁群寻优过程增添两种与遗传算法相融合的解决方案。论文以解决ANTTSP问题为目标,依据提出的算法寻优过程解决方案,参考在解决问题过程中启发式因子对算法性能分析的结论,结合流行的软件开发工具,完成基于解决ANTTSP问题的蚁群仿生优化算法系统的实现。系统的实现不仅对蚁群的觅食过程进行了模拟,显示了旅行商寻优路径的过程与结果,而且为蚁群仿生优化算法继续解决其它领域问题预留了拓展的空间。论文共分为三大部分,第1部分简要介绍蚁群算法的寻优特点和运行机制;第2部分重点提出基于信息素调节策略和融合策略的蚁群改进算法;第3部分阐述基于解决ANTTSP问题的蚁群仿生优化算法系统的设计与实现过程。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 课题研究背景
  • 1.2 课题研究主要内容
  • 1.3 论文组织结构
  • 第2章 蚁群算法特征与原理
  • 2.1 蚁群算法特征
  • 2.1.1 蚁群生物学特征
  • 2.1.2 算法系统学特征
  • 2.2 蚁群算法原理
  • 2.2.1 算法行为描述
  • 2.2.2 算法机制原理
  • 2.3 蚁群算法模型
  • 2.3.1 蚁群模型与真实蚁群的比较
  • 2.3.2 算法模型创建过程
  • 2.3.3 算法数学模型
  • 2.4 本章小结
  • 第3章 蚁群算法的实现与性能分析
  • 3.1 算法的实现
  • 3.2 算法复杂度与性能分析
  • 3.2.1 算法时间与空间复杂度分析
  • 3.2.2 算法性能分析
  • 3.3 本章小结
  • 第4章 基于信息素调节策略的改进研究
  • 4.1 自适应性信息素挥发因子改进算法
  • 4.2 动态自适应性信息素改进算法
  • 4.3 基于信息素扩散改进算法
  • 4.4 本章小结
  • 第5章 基于融合策略的改进研究
  • 5.1 仿生优化算法原理
  • 5.2 基于融合策略蚁群改进算法
  • 5.3 本章小结
  • 第6章 解决ANTTSP问题的实现
  • 6.1 解决ANTTSP问题方案
  • 6.1.1 ANTTSP问题
  • 6.1.2 调节启发式因子方案
  • 6.2 基于解决ANTTSP问题的算法实现
  • 6.2.1 界面设计
  • 6.2.2 解决问题结论
  • 6.3 蚁群仿生优化算法的应用方向
  • 6.4 本章小结
  • 第7章 总结与展望
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [28].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)
    • [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
    • [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)

    标签:;  ;  ;  ;  

    基于解决ANTTSP问题的蚁群仿生优化算法的研究
    下载Doc文档

    猜你喜欢