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