改进的重叠蚁群优化算法

摘要：

针对蚁群优化算法在进行全局最优解搜索时容易陷入局部最优解和收敛速度缓慢等缺陷，提出了一种有效求解全局最优解搜索问题的重叠蚁群优化算法。该算法通过设置多个重叠的蚁群系统，并对每一个蚁群初始化不同的参数，之后在蚁群之间进行信息素的动态学习，增强了不同蚁群对最优解的开采能力，避免了算法出现早熟现象。仿真实验结果表明，重叠蚁群优化算法在避免陷入局部最优解方面具有良好的效果，是一种提高蚁群算法性能的有效的改进算法。

关键词：蚁群优化(ACO)、局部最优解、重叠蚁群优化、动态学习

分类号：TP301(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61321491,61375069,61105069;the Technology Support Program of Jiangsu Province under Grant No. BE2012161

在线出版日期：2014-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1002-1008