改进的蚁群算法及其应用研究

改进的蚁群算法及其应用研究

论文摘要

蚁群优化算法是一种新颖的仿生进化类算法,它具有正反馈、并行计算、较强的鲁棒性等特点,适用于求解各种复杂组合优化问题,有着广泛的应用。由于其发展时间较短,在不少方面存在着改进的空间。因此对蚁群算法的深入研究从理论上或实际应用上来说都有较大的意义。针对基本蚁群算法在求解组合优化问题过程中容易出现过早收敛或停滞现象,本文将几种通用的优化算法与蚁群算法相结合,提出了一种改进的蚁群算法,较好的解决了这些问题,并且将其应用于自动售货机货物配送路径管理的实际问题。本文的研究工作主要从以下几个方面展开:1.比较深入、系统的研究蚁群算法的理论及其在TSP中的应用。具体介绍蚁群算法的基本模型、特点、构成以及实现方法,对蚁群算法中各参数的合理选取进行多次实验分析,深入地剖析了各主要参数的特点,并给出算法参数选取的基本准则。2.针对传统的蚂蚁算法容易出现早熟和停滞现象,提出了一种改进的蚁群算法。在改进的蚁群算法中,充分吸收相遇算法、最大最小蚁群算法的优点,并采用信息素局部优化策略,实现了动态的自适应调整。根据改进的算法编写了程序,综合选取几个典型TSP(旅行商问题)进行实验,结果表明改进的蚁群算法具有更好的搜索全局最优解的能力以及更好的稳定性和收敛性。3.在自动售货机货物配送路径管理中应用蚁群算法进行研究。虽然蚁群算法在组合优化类问题中已经有相当广泛的应用,但应用于自动售货机的货物配送管理中以前尚不多见。本文分析了自动售货机配送路径相对于普通TSP问题的特殊性,建立了配送路径管理的简化模型,给出了实用的算法步骤和程序流程图,将改进的蚁群算法应用于最优配送路径的选择,取得了较好的实验结果。通过采用Matlab工具对改进的蚁群算法进行仿真测试,结果表明该算法在最优路径的获取以及减少计算迭代次数等方面相较于基本蚁群算法都有明显改善。本文的研究成果对蚁群算法的进一步研究有一定的参考价值,对自动售货机货物配送路径研究也有一定的指导意义和应用价值。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 第1章 绪论
  • 1.1 引言
  • 1.2 蚁群算法的起源
  • 1.3 蚁群算法的研究现状
  • 1.4 本文的主要工作
  • 1.5 本文的组织
  • 第2章 蚁群算法的基本原理
  • 2.1 引言
  • 2.2 基本蚁群算法原理
  • 2.2.1 蚁群觅食的行为
  • 2.2.2 基本蚁群算法的机制原理
  • 2.3 蚁群算法的特征
  • 2.4 蚁群算法与TSP 问题
  • 2.4.1 人工蚁群算法
  • 2.4.2 旅行商问题
  • 2.5 基本蚁群算法的三种模型
  • 2.6 算法执行
  • 2.6.1 算法流程图
  • 2.6.2 算法具体步骤
  • 2.7 本章小结
  • 第3章 蚁群算法的参数分析
  • 3.1 引言
  • 3.2 信息素挥发因子ρ
  • 3.3 信息素启发式因子α
  • 3.4 信息素自启发式因子β
  • 3.5 总信息素Q
  • 3.6 蚂蚁数目m
  • 3.7 本章小结
  • 第4章 改进的蚁群算法
  • 4.1 引言
  • 4.2 改进蚁群算法的策略
  • 4.2.1 自适应蚁群算法
  • 4.2.2 最大最小蚁群算法
  • 4.2.3 带交叉算子的蚁群算法
  • 4.2.4 基于蚁群算法的分段求解算法
  • 4.3 一种改进的蚁群算法
  • 4.3.1 信息素的自适应更新
  • 4.3.2 参数q 0 的设置
  • 4.3.3 局部搜索策略
  • 4.4 实验结果
  • 4.5 本章小结
  • 第5章 蚁群算法在自动售货机货物配送路径管理中的应用
  • 5.1 引言
  • 5.2 自适应蚁群算法在自动售货机货物配送路径管理中的应用
  • 5.2.1 自动售货机配送路径管理问题
  • 5.2.2 配送路径管理问题模型
  • 5.2.3 配送路径管理问题与旅行商问题的关系
  • 5.3 自适应蚁群算法设计
  • 5.3.1 状态转移规则
  • 5.3.2 信息素更新规则
  • 5.3.3 算法的可行解问题
  • 5.3.4 算法具体步骤
  • 5.4 算法结果分析
  • 5.5 本章小结
  • 第6章 总结与展望
  • 6.1 本文总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文
  • 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].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].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)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].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)

    标签:;  ;  ;  ;  

    改进的蚁群算法及其应用研究
    下载Doc文档

    猜你喜欢