参数α、β和ρ自适应调整的快速蚁群算法
2018-06-24尤海龙鲁照权
制造业自动化 2018年6期
关键词:信息
尤海龙,鲁照权
(合肥工业大学 智能制造研究院,合肥 230009)
0 引言
蚁群算法是由意大利学者Dorigo M等于1991年在法国巴黎召开的第一届欧洲人工生命会议(European Conference on Artificial Lif,ECAL)上最早提出的[1]。蚁群算法遵循蚂蚁搜寻食物的过程,蚂蚁在寻找食物的路程中留下信息素,随着时间的累计,最短路径上的信息素浓度高于其他路径,这使得后来的蚂蚁有更大的概率选择该条路径,是一个正反馈过程。蚁群算法的优点包括分布式并行计算机制、易与其他方法相结合、具有较强的鲁棒性等[2]。随着智能机器人的兴起,蚁群算法也被大量使用在机器人路径寻优中。由于机器人行走的实时性,使得要在尽可能短的时间内寻找到最优路径,蚁群算法收敛速度慢的问题显得尤为突出。针对此问题,国内外很多学者对蚁群算法做出了多次改进。改进的方法主要有改变信息素更新策略,仅更新最优路径上的信息素[3]。在全局信息素的基础上加入局部信息素更新[4]避免局部最优。将蚁群算法与其他算法相结合,如与遗传算法相结合[5]加入交叉算子和变异算子,增加了解的全局性;与免疫算法相结合,加入免疫算子,加快了算法的收敛性[6]。对蚁群算法中的参数进行改进,使其成为自适应参数[7]。
文中首先引入一般蚁群算法的数学模型,对蚁群算法的各个参数所起的作用进行介绍,之后根据其作用提出相应的自适应模型。接着使用MATLAB对传统蚁群算法与改进后的蚁群算法进行对比,通过实验结果验证了改进蚁群算法相对于传统蚁群算法收敛速度有了显著提高。……
登录APP查看全文
