收藏本站
《宁波大学》 2009年
加入收藏 获取最新

多种群蚁群算法的研究

严彬  
【摘要】: 蚁群优化算法是一种模仿真实蚁群觅食时表现出来的行为的仿生类算法,在多个经典组合优化问题的应用中取得了良好的效果,从而发展成为求解复杂问题的一种有潜力的演化算法。 本文首先阐述了几种真实蚁群的觅食行为,这些是启发蚁群优化算法的灵感之源。之后用“Stigmergy”理论解释了蚁群在群体上表现出来的觅食行为,并叙述了如何将真实蚂蚁的行为抽象为蚁群优化算法中人工蚂蚁的行为。最后详细介绍了基本蚁群优化算法(Ant System,AS)模型及几种具有代表性的改进算法。 针对连续域上的优化问题(如函数优化),本文从搜索空间与解空间分离的角度提出二元蚁群优化算法,并在路径控制中引入了拥塞控制,以此达到改进算法性能的目的。同时分析了该策略对算法性能的影响并对带拥塞控制的二元蚁群优化算法作了收敛性证明,最后通过实验证明了拥塞控制策略引入后算法性能的改善。 理论研究中及实际的工程问题中,有非常多问题在本质上属于多峰多模态问题。本文通过数学证明指出现有蚁群优化算法很难在多峰多模态优化问题中同时找到多个极值,之后根据协同进化理论,将多种群的思想引入蚁群优化算法,提出了带拥塞控制的多种群二元蚁群优化算法。实验表明,该算法能很好地搜索到被测试多峰函数的全部最优解,具有很好的多峰求解能力。 最后将带拥塞控制的多种群二元蚁群优化算法应用于经典NP难问题—背包问题,并在算法中加入了局部搜索算子。实验结果表明其搜索能力优于原有的背包问题优化算法,并且能同时得到大量的最优解。
【关键词】:蚁群优化算法 拥塞策略 多种群 多峰函数 背包问题
【学位授予单位】:宁波大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TP301.6
【目录】:
  • 摘要3-4
  • Abstract4-8
  • 引言8-9
  • 1 绪论9-11
  • 1.1 蚁群优化算法的提出与发展9-10
  • 1.2 本文主要内容10-11
  • 2 蚁群优化算法的起源、原理及发展11-31
  • 2.1 自然界蚂蚁的觅食行为11-16
  • 2.1.1 蚁群内部交流机制11-14
  • 2.1.2 蚂蚁个体的记忆机制14-15
  • 2.1.3 蚂蚁个体交流机制15-16
  • 2.2 蚂蚁群体行为的“媒介质(Stigmergy)”解释16-17
  • 2.3 蚁群的抽象17-19
  • 2.3.1 蚂蚁个体的抽象17-18
  • 2.3.2 问题空间的抽象18
  • 2.3.3 寻找路径的抽象18-19
  • 2.3.4 启发因子的引入19
  • 2.4 基本蚁群优化算法的模型19-24
  • 2.4.1 算法数据结构的定义19-20
  • 2.4.2 AS中解的构造过程20
  • 2.4.3 AS模型中信息素的更新20-22
  • 2.4.4 AS模型中信息素的初始化22
  • 2.4.5 AS模型下TSP问题的算法实现22-23
  • 2.4.6 AS模型下算法复杂度的分析23-24
  • 2.5 蚁群优化算法的研究进展24-30
  • 2.5.1 Ant Colony System,25-26
  • 2.5.1.1 ACS的伪随机比例规则25
  • 2.5.1.2 ACS全局信息素更新25-26
  • 2.5.1.3 ACS局部信息素更新26
  • 2.5.2 Max-Min Ant System26-30
  • 2.5.2.1 MMAS信息素更新27-28
  • 2.5.2.2 MMAS信息素的限制28-29
  • 2.5.2.3 MMAS信息素的初始化29-30
  • 2.6 本章小结30-31
  • 3 带拥塞控制二元蚁群优化算法31-49
  • 3.1 连续域蚁群优化算法的研究31-32
  • 3.2 二元蚁群优化算法的提出32-35
  • 3.2.1 搜索空间与解空间32-33
  • 3.2.2 随机二元网络的设计33-34
  • 3.2.3 二元蚁群优化算法的数学模型34-35
  • 3.3 拥塞控制策略的引入35-41
  • 3.3.1 拥塞控制策略的灵感起源35
  • 3.3.2 拥塞控制策略的模型35-37
  • 3.3.3 拥塞策略的数学分析37-38
  • 3.3.4 带拥塞控制的二元蚁群优化算法的收敛性分析38-41
  • 3.4 带拥塞控制的二元蚁群优化算法的应用-函数优化41-47
  • 3.4.1 求解函数优化问题的随机二元网络设计41
  • 3.4.2 实验结果41-47
  • 3.5 本章小结47-49
  • 4 多种群蚁群优化算法49-66
  • 4.1 二元蚁群优化算法的局限性49
  • 4.2 局限性的数学分析49-54
  • 4.3 多种群蚁群优化算法的提出54-59
  • 4.3.1 基于种间竞争的协同进化算法54-56
  • 4.3.2 种群的动态生灭策略56-57
  • 4.3.3 多种群蚁群优化算法的基本概念57
  • 4.3.4 多种群蚁群优化算法的实现57-59
  • 4.4 多种群蚁群优化算法的应用-多峰函数优化问题59-65
  • 4.4.1 实验结果60-65
  • 4.5 本章小结65-66
  • 5 多种群蚁群优化算法的应用-背包问题66-78
  • 5.1 多维背包问题简述66-67
  • 5.2 多种群蚁群优化算法求解多维背包问题67-71
  • 5.2.1 求解多维背包问题的随机二元网络设计67-68
  • 5.2.2 多维背包问题解的构建过程68-69
  • 5.2.3 非法解的修正及局部优化69-70
  • 5.2.3.1 非法解的修正69-70
  • 5.2.3.2 修正后解的局部优化70
  • 5.2.4 多维背包问题中多种群的设置70-71
  • 5.3 实验结果71-77
  • 5.4 本章小结77-78
  • 6 总结与展望78-80
  • 6.1 研究工作总结78
  • 6.2 研究展望78-80
  • 参考文献80-85
  • 在学研究成果85-86
  • 致谢86

【引证文献】
中国期刊全文数据库 前1条
1 刘瑛;;蚂蚁优化算法在解决CVRP中的应用[J];重庆工商大学学报(自然科学版);2013年04期
【参考文献】
中国期刊全文数据库 前9条
1 洪炳镕,金飞虎,郭琦;Hopfield neural network based on ant system[J];Journal of Harbin Institute of Technology;2004年03期
2 熊伟清;魏平;王小权;;蚁群算法求解多维0/1背包问题[J];计算机工程与科学;2006年10期
3 程美英;熊伟清;魏平;;基于二元蚁群算法求解组卷问题[J];计算机应用研究;2008年09期
4 熊伟清;魏平;;二进制蚁群进化算法[J];自动化学报;2007年03期
5 熊伟清;魏平;赵杰煜;;信号传递的二元蚁群算法[J];模式识别与人工智能;2007年01期
6 曹先彬,罗文坚,王煦法;基于生态种群竞争模型的协同进化[J];软件学报;2001年04期
7 曹先彬,高隽,王煦法;基于生态竞争模型的遗传强化学习[J];软件学报;1999年06期
8 高尚,钟娟,莫述军;连续优化问题的蚁群算法研究[J];微机发展;2003年01期
9 关志华,寇纪淞,李敏强;基于ε-约束方法的增广Lagrangian多目标协同进化算法[J];系统工程与电子技术;2002年09期
【共引文献】
中国期刊全文数据库 前10条
1 李刚;张永华;;蚂蚁采集方法初探[J];安徽农学通报;2008年14期
2 王玉玲;;商丘地区蚂蚁种类及分布[J];安徽农业科学;2006年06期
3 王维;黄建华;周善义;;鄂东3个自然保护区蚂蚁种类调查[J];安徽农业科学;2006年13期
4 赵秀勤;;商丘黄河故道游览区不同生境蚂蚁多样性研究[J];安徽农业科学;2008年08期
5 李淑萍;刘福林;杨红超;;河南洛阳地区蚂蚁种类和分布调查[J];安徽农业科学;2008年09期
6 陈应武;冯喜忠;窦彩虹;吴友国;郭丽娜;刘长仲;;甘肃蚂蚁初步名录[J];安徽农业科学;2008年32期
7 王继飞;杨贵军;王新谱;贾彦霞;马永林;胡天华;;宁夏贺兰山蚂蚁及其生态分布研究[J];安徽农业科学;2009年23期
8 王思忠;徐鹏;刘毅;;成都市园林树木蚂蚁种类调查[J];安徽农业科学;2011年09期
9 阮怀忠,徐精明;MAS中基于协同进化的学习[J];安徽技术师范学院学报;2004年01期
10 周凌云;穆东;;区域物流系统的协同演化研究[J];北京交通大学学报(社会科学版);2009年02期
中国重要会议论文全文数据库 前10条
1 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
2 袁军良;熊伟清;江宝钏;;求解集装箱装载问题的混合二元蚁群算法[A];第二十九届中国控制会议论文集[C];2010年
3 熊伟清;魏平;;基于食物量分配的多种群二元蚁群优化算法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
4 张元敏;殷志锋;周雅;;蚁群算法在多用户检测中的应用及其改进[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
5 ;A hybrid algorithm for multi-objective job shop scheduling problem[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
6 黄红星;钟一文;黄习培;;挖掘最大频繁项集的二进制蚁群优化算法[A];第四届中国智能计算大会论文集[C];2010年
7 刘丽景;程国建;吴文海;;多智能体遗传算法在云计算负载均衡中的应用[A];第十二届中国青年信息与管理学者大会论文集[C];2010年
8 颜宇甲;程国建;毛书君;;基于多Agent系统的生态系统建模和仿真[A];第十二届中国青年信息与管理学者大会论文集[C];2010年
9 邓科;丛爽;;不同蚁群优化算法在C-TSP中的性能对比研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
10 叶晓曦;;多态蚁群聚类算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 陈得宇;基于MAS的智能电压控制系统研究[D];哈尔滨工程大学;2010年
2 张进;地震叠前数据的弹性阻抗非线性反演方法研究[D];中国海洋大学;2009年
3 陈广洲;多源信息耦合的成矿预测新模型研究[D];合肥工业大学;2010年
4 胡进;复杂网络上的博弈及其在通信网络资源管理中的应用[D];华中科技大学;2010年
5 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年
6 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
7 梁朝霞;基于生物网络的下一代网络电信业务平台研究[D];东华大学;2010年
8 张凌云;高密度电阻率勘探反演的非线性方法研究[D];太原理工大学;2011年
9 李玉剑;复杂系统中集体行为和临界现象的动力学研究[D];中国科学技术大学;2011年
10 王联国;人工鱼群算法及其应用研究[D];兰州理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 唐高松;基于Volterra级数模型辨识的旋转机械故障诊断方法研究[D];郑州大学;2010年
2 蒋红进;蚁群算法在光突发交换网络路由中的研究[D];哈尔滨工程大学;2010年
3 荆奇;蚁群算法在特种机器人智能控制中的应用研究[D];哈尔滨工程大学;2010年
4 周柏欣;无线Ad Hoc专用通信网络路由协议研究[D];哈尔滨工程大学;2010年
5 潘营营;基于知识挖掘的海洋药物研发知识升华研究[D];中国海洋大学;2010年
6 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
7 汤奇峰;协同量子粒子算法及其在蒸汽管网用能优化中的应用[D];华东理工大学;2011年
8 乔纯陆;基于改进协同蚁群算法的生产调度问题研究[D];华东理工大学;2011年
9 刘波;改进蚁群算法的研究[D];浙江大学;2010年
10 杨振宇;基于群智能算法的图像分割方法研究[D];电子科技大学;2010年
【同被引文献】
中国期刊全文数据库 前3条
1 蔡延光,钱积新,孙优贤;多重运输调度问题的模拟退火算法[J];系统工程理论与实践;1998年10期
2 李大卫,王莉,王梦光;遗传算法在有时间窗车辆路径问题上的应用[J];系统工程理论与实践;1999年08期
3 张波,叶家玮,胡郁葱;模拟退火算法在路径优化问题中的应用[J];中国公路学报;2004年01期
【二级参考文献】
中国期刊全文数据库 前8条
1 马良,项培军;蚂蚁算法在组合优化中的应用[J];管理科学学报;2001年02期
2 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期
3 魏平;熊伟清;王小权;;DNA计算求解连续空间优化问题[J];计算机应用研究;2006年01期
4 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期
5 熊伟清;魏平;;二进制蚁群进化算法[J];自动化学报;2007年03期
6 熊伟清;余舜浩;赵杰煜;;具有分工的蚁群算法及应用[J];模式识别与人工智能;2003年03期
7 李庆华 ,李肯立 ,蒋盛益 ,张薇;背包问题的最优并行算法[J];软件学报;2003年05期
8 魏平,熊伟清;用遗传算法解组卷问题的设计与实现[J];微电子学与计算机;2002年04期
【相似文献】
中国期刊全文数据库 前10条
1 苏胤杰;;基于蚁群优化算法的立体匹配[J];微计算机信息;2008年24期
2 孙涛;蒋科艺;王永华;马力;;一种基于蚁群优化的粗糙集属性约简方法[J];海军航空工程学院学报;2011年01期
3 王晓年;冯远静;冯祖仁;;一种基于主动轮廓模型的蚁群图像分割算法[J];控制理论与应用;2006年04期
4 彭震宇;葛洪伟;;基于混合优化算法的最大独立集问题求解[J];计算机应用;2007年05期
5 葛洪伟;彭震宇;;基于蚁群优化算法的单通道冗余VLSI阵列重构[J];计算机工程;2008年07期
6 贾彦平;付立东;;基于蚁群算法的分类规则问题[J];电子技术;2008年09期
7 刘佶鑫;赵英凯;;蚁群算法元胞自动机模型应用[J];南京工业大学学报(自然科学版);2008年06期
8 崔世钢;徐雪莲;赵丽;田立国;杨耿煌;;蚁群优化在移动机器人路径规划上的研究[J];制造业自动化;2009年01期
9 舒期梁;赵丽萍;;基于改进蚁群优化的无线传感器网络路由算法[J];计算机测量与控制;2011年05期
10 燕忠,袁春伟;基于蚁群智能和支持向量机的人脸性别分类方法[J];电子与信息学报;2004年08期
中国重要会议论文全文数据库 前10条
1 熊伟清;魏平;;基于食物量分配的多种群二元蚁群优化算法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
2 邓九英;毛宗源;;混沌免疫网络的多峰函数优化算法[A];第二十六届中国控制会议论文集[C];2007年
3 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
4 邓科;丛爽;;不同蚁群优化算法在C-TSP中的性能对比研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
5 赵冬斌;易建强;;基于蚁群优化算法的机器人规划[A];第25届中国控制会议论文集(中册)[C];2006年
6 唐好选;曲毅;;蚁群优化算法在蛋白质构象预测问题中的应用[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年
7 乔宗涛;谢军;谢明;;蚁群优化算法在无人机航路规划中的应用[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年
8 朱耀佳;吕勇哉;陈玉旺;潘常春;;蚁群优化方法在“炼钢-连铸-热轧”集成调度中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年
9 章小强;管霖;;基于蚁群算法的暂态稳定评估输入特征的识别[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
10 王玉峰;姚兴利;夏敏;沈喜明;;基于多种群小生境遗传算法的抗干扰宽零陷生成[A];2009年全国微波毫米波会议论文集(下册)[C];2009年
中国重要报纸全文数据库 前1条
1 袁志勇;IJICC创刊一年已被EI等五个国际检索机构收录[N];科技日报;2009年
中国博士学位论文全文数据库 前10条
1 许瑞;基于蚁群优化算法的批调度问题研究[D];中国科学技术大学;2011年
2 李莉;柔性作业车间调度中的群智能优化算法研究[D];东北林业大学;2011年
3 庄晓东;多移动机器人运动控制策略的强化学习研究[D];中国海洋大学;2005年
4 王湘中;进化策略的变异算子与仿真平台研究[D];中南大学;2005年
5 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
6 钟一文;智能优化方法及其应用研究[D];浙江大学;2005年
7 刘泓;交通仿真系统的并行计算、智能优化和混杂模型研究[D];浙江大学;2006年
8 李娜娜;仿生算法及其在专家分配问题中的应用[D];天津大学;2008年
9 薛俊芳;机电产品拆卸过程建模与规划研究[D];哈尔滨工程大学;2008年
10 白保存;考虑任务合成的成像卫星调度模型与优化算法研究[D];国防科学技术大学;2008年
中国硕士学位论文全文数据库 前10条
1 张志明;Linux机群环境下并行蚁群优化算法的设计与实现[D];长安大学;2012年
2 王敏;基于蚁群优化算法的齿轮箱故障诊断研究[D];中北大学;2010年
3 张泽彬;基于混合启发式蚁群优化算法在双层车辆路径问题的研究[D];广东工业大学;2012年
4 李静宜;蚁群神经网络的研究及其应用[D];江苏科技大学;2010年
5 何雪海;蚁群优化算法及其应用研究[D];重庆大学;2011年
6 袁军良;基于蚁群优化算法的集装箱装载问题求解[D];宁波大学;2011年
7 吴虎发;蚁群优化算法在求解最短路径问题中的研究与应用[D];安徽大学;2012年
8 付杰;基于GPU的并行蚁群优化算法的研究与实现[D];中国舰船研究院;2011年
9 常靖宇;基于演化计算的多峰函数研究[D];武汉理工大学;2010年
10 刘好斌;蚁群优化算法的改进及其在TSP中的应用[D];重庆大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026