融合猫群算法的动态分组蚁群算法

摘要：

针对传统蚁群算法在旅行商问题(TSP)中容易陷入局部最优且收敛速度慢等问题,提出了一种融合猫群算法的动态分组蚁群算法.首先,在种群初始化时,人工地使蚂蚁均匀分布在不同的城市.其次,借鉴猫群算法中的分工思想,在蚁群系统中引入动态分组机制,将蚂蚁分为搜索蚂蚁和跟踪蚂蚁两类:搜索蚂蚁通过路径构建规则的改善使算法在前期多样性增加;跟踪蚂蚁利用信息素扩散机制对局部信息素进行自适应更新,突出较优子路径的作用,避免算法陷入局部最优.最后,通过信息素全局更新机制加快收敛速度.通过Matlab对TSPLIB中的多组案例进行仿真实验,结果表明改进后的算法平衡了多样性和收敛速度,有效提高了解的质量.

关键词：蚁群算法(ACO)、猫群算法(CSO)、旅行商问题(TSP)、动态分组、自适应信息素扩散

所属期刊栏目：14

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61673258, 61075115 国家自然科学基金

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：880-891