科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统蚁群算法在TSP问题中易陷入局部最优、收敛速度较慢等问题，本文提出一种结合价格波动策略与动态回溯机制的蚁群算法。在价格波动策略中，结合时间序列思想将蚁群算法完整迭代周期进行分类，并根据价格波动平衡，将影响价格波动的供求关系进行匹配，通过分析算法在不同分类中不同需求，对信息素挥发因子进行自适应动态供给，加快算法收敛速度的同时改善解的多样性。当价格波动策略的供给关系无法实现平衡时，算法将面临局部最优问题，此时引入动态回溯机制，以迭代最优蚂蚁的个体相似度作为标准，将路径信息素回溯至相似度差异显著的时期，在保证收敛速度的同时能够有效的跳出局部最优。通过MATLAB对TSPLIB中的不同测试集进行仿真，结果表明该算法在保证收敛速度的基础上，有效提高了解的质量，在中大规模城市集上较好的平衡了多样性与收敛速度的关系。
-
单位上海工程技术大学; 电气学院
