求解子集问题的鲶鱼效应蝙蝠蚁群优化

摘要：

为求解子集问题,提出一种新的基于图的蚂蚁系统——鲶鱼效应蝙蝠蚁群优化(catfish bat algo rithm-ant colony optimization,CBA-ACO).基于子集问题的构造图,利用路径概率转移公式进行路径搜索,采用等效路径信息素增强进行信息素更新;动态维护一定数量较好路径作为档案信息;使用混沌映射并结合鲶鱼效应对蝙蝠算法(bat algorithm,BA)进行改进,在全局最优解多次未更新时,利用档案信息初始化鲶鱼效应增强搜索,返回较好路径解;采用本轮迭代最优更新和增强搜索更新两种方式更新信息素,兼顾算法的收敛速度和搜索能力.对算法进行了描述并分析算法复杂度.结果表明,CBA-ACO具有更好的稳定性和获取较好解的能力.

关键词：基于图的蚂蚁系统、蝙蝠算法、鲶鱼效应、混沌映射

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61371196;中国博士后科学基金特别资助项目201003797;解放军理工大学预研基金20110604,41150301资助课题

在线出版日期：2016-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2441-2448