学位论文 > 优秀研究生学位论文题录展示
求解TSP算法的研究与改进
作 者: 胡银厚
导 师: 王世卿
学 校: 郑州大学
专 业: 计算机软件与理论
关键词: 蚁群优化 旅行商问题 优质边 智能计算 最大-最小蚁群算法
分类号: TP301.6
类 型: 硕士论文
年 份: 2012年
下 载: 94次
引 用: 4次
阅 读: 论文下载
内容摘要
旅行商问题(Traveling Salesman Problem,简称TSP)是组合优化问题中的经典问题,也是一个NP完全问题。同时,它也是众多优化问题的简化形式,如基因组制图、行星探索、电路板钻孔、电路板焊接、交通调度、作业调度等。由于TSP问题是一个NP完全问题,求解难度大,它也被用作处理器测试和算法比较的标准。因此,对TSP的研究具有重要的理论和应用价值。蚁群算法是求解TSP的有效方法之一。它是由意大利学者Dorigo M等人提出,是一种基于种群的启发式进化算法,具有较强的鲁棒性、并行性、很好的可扩充性,且易于和其他的方法融合的优点。同时,它是一种结合了分布式计算、正反馈机制和遵循贪心原则的搜索算法。蚁群算法自提出之后,引起了许多学者的关注,并将其应用到各个领域的优化问题中。蚁群算法有多种变种,其中最大—最小蚁群算法求解TSP效果最好。本文深入分析了最大—最小蚁群算法运行过程中的算法数据,发现当算法陷入收敛之后,大部分蚂蚁开始构造相同的路径,这在很大程度上浪费了蚂蚁的探索能力。本文中通过让蚂蚁选择第一条边时不使用信息素,很好改善了这一现象。同时,对比研究TSP的真实最优环路与算法构造环路发现,包含真实最优边的环路一般都较短。环路长度和其包含的真实最优边数成反比,环路包含的真实最优边数越多,环路长度越短。据此,反过来可以认为较短环路中所包含的边为真实最优边的概率也大。受此启发,本文提出了一种基于优质边的求解策略。利用算法运行的历史信息选择优质边,也即为真实最优边可能性大的边。使用修改的选路规则,将蚂蚁的路径尽可能限制在优质边中,以试图降低算法的解空间。本文还通过设置不同算法参数的对比实验,确定了改进算法的最合适参数。通过对改进算法的实验仿真,发现改进的算法加快了蚂蚁构造优质解的过程,同时也使得算法在很大概率上能找到真实最优解,提高了算法的求解性能,证明了算法改进的有效性。
|
全文目录
摘要 4-5 Abstract 5-10 1 绪论 10-13 1.1 研究背景与意义 10-11 1.1.1 本文的主要工作 11 1.2 本文组织结构 11-12 1.3 本章小结 12-13 2 旅行商问题 13-29 2.1 问题定义 13 2.2 实验数据 13-15 2.3 求解方法 15-27 2.3.1 精确算法 15-17 2.3.2 近似算法 17-25 2.3.3 智能优化算法 25-27 2.4 本章小结 27-29 3 蚁群算法 29-44 3.1 蚁群算法原理 29-31 3.2 蚁群算法研究现状 31-33 3.3 蚁群算法求解TSP 33-34 3.4 几种典型的蚁群算法 34-42 3.4.1 蚂蚁系统 34-36 3.4.2 优秀蚂蚁系统 36-37 3.4.3 等级蚂蚁系统 37 3.4.4 最大最小蚂蚁系统 37-40 3.4.5 蚁群系统 40-41 3.4.6 蚂蚁-Q 41-42 3.5 实验对比 42 3.6 本章小结 42-44 4 基于优质边的蚁群算法 44-51 4.1 MMAS求解TSP 44-46 4.1.1 解的误差 44-45 4.1.2 同解构造率 45 4.1.3 最优边命中率 45-46 4.2 算法改进思想 46-47 4.3 优质边和优质边系数 47-48 4.4 路径选择 48-49 4.5 信息素平滑机制 49 4.6 本章小结 49-51 5 实验仿真 51-63 5.1 期望启发因子的选择 51-53 5.2 信息素挥发系数的选择 53-54 5.3 蚂蚁数量的选择 54-56 5.4 合适的优质边系数 56-57 5.5 仿真结果 57-60 5.6 与MMAS的对比 60-61 5.7 求解大规模数据集 61-62 5.8 本章小结 62-63 6 结束语 63-64 参考文献 64-67 在学期间发表的学术论文与研究成果 67-68 致谢 68
|
相似论文
- 无线传感器网络节能路由算法的研究,TP212.9
- 人工萤火虫群优化算法分析改进及应用研究,TP301.6
- 蚁群优化算法及其应用研究,TP301.6
- 混合蚁群算法及其应用研究,TP301.6
- 基于遗传算法优化问题的研究,TP18
- 求解组合优化问题的混合蛙跳算法的研究,TP301.6
- TSP问题的神经网络求解实验与比较研究,TP183
- 遗传算法的改进及其在优化上的应用研究,TP18
- 基于文化基因算法的图像检索研究,TP391.41
- 基于泛化竞争和局部渗透机制自组织网TSP问题的算法分析与研究,TP301.6
- 离散变量多群体演化算法的研究,TP18
- 多目标群激光反导优化研究,TJ95
- 非线性自反馈混沌神经网络的研究与应用,TP183
- 基于改进的蚁群算法在分类规则中的应用研究,TP301.6
- 生物启发式算法及其改进研究,TP18
- 一种改进的模拟退火算法在TSP问题中的研究与应用,TP301.6
- 分散搜索算法在宝钢热轧一体化计划模型中的应用,TG335.11
- TRIBON系统的船体零件切割路径优化算法的研究及其软件设计,U671
- 基于局部最优单亲遗传算法的仓库路径优化调度问题研究,TP18
- 旅行商问题的并行蚂蚁算法研究,TP301.6
- 改进粒子群优化算法及其应用研究,TP301.6
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com
|