科研之友
微信
新浪微博
Facebook
分享链接
摘要
蚁群优化算法(Ant Colony Optimization,ACO)通过模拟蚁群觅食的行为提出的一种启发式防生算法,被应用于很多组合优化问题中。针对蚁群算法在求解过程中容易陷入局部最优出现早熟停滞,对基本的蚁群算法进行了改进,提出了基于混沌扰动的蚁群算法(CD-ACO),在算法的概率转移中引入混沌扰动因子,以保持蚁群群的多样性,使算法易于跳出局部极值区间,加快收敛速度,从而提高全局搜索能力。在蚁群选取下一跳节点的时候,通过欧式距离对邻节点的选取进行了筛选,使蚁群朝着目标节点的方向进行移动,提高搜索效率;最后在MATLAB中建立道路交通网络模型,并进行了路径导航仿真实验,实验表明,CD-ACO的稳定性强,收敛速度快,并且能够得到全局较优的路径。
- 单位
