發(fā)布時(shí)間：2021-01-22 12:33

　　針對(duì)連續(xù)域蟻群算法尋優(yōu)能力差、容易產(chǎn)生局部最優(yōu)的問(wèn)題,提出了一種基于跨鄰域搜索的改進(jìn)蟻群算法。首先,通過(guò)自適應(yīng)種群劃分方式計(jì)算可行解和不可行解群體;然后,針對(duì)不可行解群體利用自主選擇學(xué)習(xí)算子選擇對(duì)象進(jìn)行學(xué)習(xí),目的是不斷擴(kuò)大種群規(guī)模,避免算法陷入局部極值點(diǎn),繼而對(duì)可行解群體采取全局跨鄰域搜索的方式,引導(dǎo)螞蟻向全局最優(yōu)解靠近,加快收斂速度;最后,基于全局最優(yōu)解采用局部跨鄰域的方式引導(dǎo)螞蟻在小范圍內(nèi)進(jìn)行細(xì)致搜索,提高收斂精度。通過(guò)與其他連續(xù)域蟻群優(yōu)化算法針對(duì)CEC2017測(cè)試函數(shù)在低維和高維情況下的實(shí)驗(yàn)對(duì)比,證明本文算法具有較好的尋優(yōu)能力和穩(wěn)定性,能有效避免陷入局部最優(yōu)。 

【文章來(lái)源】：武漢科技大學(xué)學(xué)報(bào). 2019,42(03)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖１３種算法的收斂曲線（Ｄ＝３０）Ｆｉｇ．１Ｃｏｎｖｅｒｇｅｎｃｅｃｕｒｖｅｓｏｆｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ（Ｄ＝３０）（ｃ）

ｎｔ只在ｆ１、ｆ４、ｆ１５和ｆ２５函數(shù)上稍遜一籌；從方差來(lái)看，ＡＮＳ－Ａｎｔ在接近４０％的測(cè)試函數(shù)上占有優(yōu)勢(shì)�？傮w來(lái)說(shuō)，在高維情況下，ＡＮＳ－Ａｎｔ算法依然具有較好的尋優(yōu)能力，保持了一定的穩(wěn)定性。圖２為各算法在高維情況下求解測(cè)試函數(shù)的收斂曲線，同樣各取單峰函數(shù)、簡(jiǎn)單多峰函數(shù)、混合函數(shù)和復(fù)合函數(shù)中的一種作為示例。（ａ）單峰函數(shù)ｆ３（ｂ）簡(jiǎn)單多峰函數(shù)ｆ６（ｃ）混合函數(shù)ｆ１１（ｄ）復(fù)合函數(shù)ｆ２１圖２３種算法的收斂曲線（Ｄ＝５０）Ｆｉｇ．２Ｃｏｎｖｅｒｇｅｎｃｅｃｕｒｖｅｓｏｆｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ（Ｄ＝５０）從圖２可以看出，與ＡＣＯＲ和ＡＢＣ－ＡＣＯＲ相比，ＡＮＳ－Ａｎｔ算法在單峰和簡(jiǎn)單多峰函數(shù)上的尋優(yōu)能力明顯較優(yōu)，所得解與函數(shù)最優(yōu)解十分接近，且收斂較快；ＡＮＳ－Ａｎｔ在混合函數(shù)上也有較好的尋優(yōu)能力和較快的收斂速度；ＡＮＳ－Ａｎｔ在復(fù)合函數(shù)上的尋優(yōu)結(jié)果與函數(shù)最優(yōu)解的相對(duì)偏差雖然有１３．６％，但相比于另外兩種算法還是有一定的優(yōu)勢(shì)�？傊�，ＡＮＳ－Ａｎｔ應(yīng)用于高維測(cè)試函數(shù)時(shí)仍然具有較高的收斂速度和精度。３．３．２收斂速度為了更加全面地檢驗(yàn)改進(jìn)算法的性能，本文采用限定精度的方法來(lái)評(píng)估其收斂速度，即在有限的評(píng)估精度內(nèi)比較各算法的進(jìn)化次數(shù)。以３０維為例，針對(duì)每一個(gè)函數(shù)設(shè)置一個(gè)相應(yīng)的評(píng)估精度ＶＴＲ，該值�。撤N優(yōu)化算法所得平均值中的最差值，如表４所示。針對(duì)每一個(gè)函數(shù)的預(yù)設(shè)收斂精度，３種算法均獨(dú)立運(yùn)行２０次，設(shè)置最大

【參考文獻(xiàn)】：
期刊論文
[1]帶啟發(fā)信息的蟻群神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法[J]. 趙章明,馮徑,施恩,舒曉村.  計(jì)算機(jī)科學(xué). 2017(11)
[2]云桌面環(huán)境下基于蟻群算法的作業(yè)調(diào)度方法[J]. 尚志會(huì),張建偉,蔡增玉,馬琳琳.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(06)
[3]求解TSP的改進(jìn)信息素二次更新與局部?jī)?yōu)化蟻群算法[J]. 許凱波,魯海燕,程畢蕓,黃洋.  計(jì)算機(jī)應(yīng)用. 2017(06)
[4]帶時(shí)間窗車(chē)輛路徑問(wèn)題的分布式多agent蟻群算法[J]. 金淳,張雨,王聰.  計(jì)算機(jī)應(yīng)用研究. 2018(03)
[5]一種動(dòng)態(tài)劃分的混合連續(xù)域蟻群優(yōu)化算法[J]. 姜道銀,葛洪偉,袁羅.  計(jì)算機(jī)工程與應(yīng)用. 2018(07)
[6]基于人工蜂群的連續(xù)域蟻群優(yōu)化算法[J]. 周裊,葛洪偉,袁運(yùn)浩,蘇樹(shù)智.  計(jì)算機(jī)工程與科學(xué). 2016(06)
[7]基于信息素的自適應(yīng)連續(xù)域混合蟻群算法[J]. 周裊,葛洪偉,蘇樹(shù)智.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)



本文編號(hào)：2993236