赵 鑫，杨雄飞，钱育蓉+

(1.新疆大学 软件学院，新疆 乌鲁木齐 830046；2.新疆大学 软件工程重点实验室，新疆 乌鲁木齐 830046；3.新疆维吾尔自治区 信号检测与处理重点实验室，新疆 乌鲁木齐 830046)

0 引 言

旅行商问题(traveling salesman problem，TSP)是一个典型的组合优化问题[1]，国内外学者对这一问题的研究已有很多[2]。蚁群优化算法(ant colony optimization，ACO)是一种群体智能算法[3]，蚁群算法具有基于分散自组织系统集体行为的人工智能，蚁群算法早期被应用于求解TSP问题[4]，对最优路径寻优具有良好的优越性，但也存在收敛速度慢、容易陷入局部最优等缺点。对于蚁群算法的改进，比较著名的改进算法还有精英策略蚂蚁系统[5]、优化排序蚂蚁系统[6]等；也有学者对蚁群算法应用于解决多目标优化问题而设计多目标进化算法，改善其计算效率不高的问题[7]，在网格环境下改善均衡作业调度[8]，用于配水系统优化[9]，解决武器-目标分配问题[10]。

本文研究针对基本蚁群算法在求解TSP问题时表现的停滞行为和早熟收敛问题，提出了一种带有遗忘因子的蚁群优化算法，命名为遗忘因子蚁群优化算法(forgetting factor ant colony optimization，FFACO)算法。FFACO算法在基本蚁群算法基础上，优化转态转移公式和信息素更新规则，缩短了城市转换的时间成本，最大限度地发挥了当前最优解的主导作用，加快了收敛速度，同时避免局部解的产生。对TSP的仿真结果表明，改进后的算法通过变遗忘因子进行对最优解的跟踪，避免了误差的积累，提高了算法求解的效率。

1 蚁群优化算法

1.1 ACO数学模……

登录APP查看全文