科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决蚁群算法的收敛速度和全局最优性的矛盾,通过引入均匀度、兴趣度以及加速度等概念,对算法中α、β、ρ、Q、m等参数进行分析,研究了参数的内在联系,建立了参数的动态模型,对算法的转移策略和更新策略进行改进,构造了具有自适应功能的蚁群算法。实验结果表明,该算法在性能上优于基本蚂蚁系统。
- 单位
为解决蚁群算法的收敛速度和全局最优性的矛盾,通过引入均匀度、兴趣度以及加速度等概念,对算法中α、β、ρ、Q、m等参数进行分析,研究了参数的内在联系,建立了参数的动态模型,对算法的转移策略和更新策略进行改进,构造了具有自适应功能的蚁群算法。实验结果表明,该算法在性能上优于基本蚂蚁系统。
