連續(xù)優(yōu)化的蟻群算法改進及應用.pdf

1、蟻群優(yōu)化(Ant Colony Optimization,簡稱ACO)是一種新興的啟發(fā)式模擬進化算法.人們對蟻群算法做了很多改進和擴展,在很多領域獲得了廣泛應用. 但是蟻群算法仍然存在一些問題,如算法收斂速度慢、搜索時間長、易陷入局部最優(yōu)等缺點.由于蟻群算法在形式上不大適于解決連續(xù)優(yōu)化問題,在總結和分析已有研究成果的基礎上,對蟻群算法求解連續(xù)空間的優(yōu)化問題進行了一些改進.主要包括: (1)提出了一種用蟻群算法解決連續(xù)函數(shù)

2、的算法框架,并在此基礎上給出了蟻群算法在優(yōu)化連續(xù)和離散問題的統(tǒng)一描述形式.蟻群算法比較適合于解決離散問題如靜態(tài)和動態(tài)組合優(yōu)化問題,但是不方便解決連續(xù)優(yōu)化問題.根據(jù)蟻群算法在解決連續(xù)優(yōu)化問題時存在的問題,提出了一種描述方案:將連續(xù)問題離散化處理,借鑒蟻群算法解決TSP問題的思路來優(yōu)化連續(xù)函數(shù)問題;同時加入變異操作,以獲得種群的多樣性,在一定程度上體現(xiàn)連續(xù)性的要求.該方案不僅從功能上實現(xiàn)了蟻群算法的優(yōu)化連續(xù)空間問題,而且從描述形式上使蟻群算

3、法應用于離散問題和連續(xù)問題時獲得了基本統(tǒng)一方式. (2)為了提高蟻群算法解決連續(xù)問題的性能,提出了一種新的雜合優(yōu)化算法即將蟻群算法與分布估計算法相融合,主要是針對種群的多樣性.該算法不僅避免了交叉和變異操作帶來的參數(shù)估計問題,而且通過計算種群個體的分布密度函數(shù)從而自適應地改變信息素濃度,從而提高了算法的優(yōu)化性能. (3)介紹了問題復雜性描述的涵義、基本思想、并將其引入現(xiàn)代優(yōu)化算法中,進一步提高算法解決復雜問題的能力.極值