融合分级诱导策略的自适应蚁群优化算法

作者：孟令武; 游晓明^*; 刘升

来源：传感器与微系统, 2020, 39(11): 130-133.

DOI：10.13873/J.1000-9787(2020)11-0130-04

• 蚁群优化(ACO)算法
• 分级诱导
• 旅行商问题(TSP)
• 自适应

针对蚁群优化(ACO)算法在求解旅行商问题(TSP)时易陷入局部最优,收敛速度较慢的问题,提出一种融合分级诱导策略的自适应蚁群优化(HIACO)算法。首先运行传统ACO算法,找出局部收敛迭代点,根据该点设置自适应平衡因子N,便于自适应平衡算法的种群多样性和收敛速度;然后,在HIACO算法前期(N代前)使用传统ACO算法,在HIACO算法后期(N代后)引入分级诱导策略,增加了算法的种群多样性,加快了算法收敛速度;最后,选取TSPLIB标准库中的多组TSP进行仿真实验。实验结果表明:相比传统ACO算法、最大最小蚂蚁系统(MMAS)算法和最新的蚁群优化算法A-ACS,本算法不易陷入局部最优,具有更强的寻优能力,更快的收敛速度。

• 单位
  上海工程技术大学