针对多目标的TSP文献综述2023/3/30

题目 作者 单位 问题 方法 创新点 结果

（1）ACO-A: Ant Colony Optimization Plus A for 3-DTraveling in Environments With Dense Obstacles**

Xue Yu, Student Member, IEEE, Wei-Neng Chen , Senior Member, IEEE, Tianlong Gu,Huaqiang Yuan, Huaxiang Zhang , and Jun Zhang , Fellow, IEEE
IEEE TEC 演化计算机顶级刊 2019年8月 华南理工大学

问题

针对水下航行器在复杂环境中穿越多个目标问题

方法创新

通过旅行成本的成本图建立环境模型，再采用ACO-A进行路径规划，蚁群确定TSP顺序，A算法针对目标和目标之间的路径避障
提出了一种具有基于代表性的估计（RBE）策略的粗粒度建模方法

结果

通过细粒度建模，使用ACO-A在合成场景和实际场景得到验证，证明了RBE的有效性和A的必要性，以及改算法的时间效率也得到验证

（2） 基于改进蚁群算法的多目标路径规划研究

计算技术与自动化 马小铭覮，靳伍银（兰州理工大学机电工程学院，甘肃兰州730050）

问题

传统蚁群算法因在复杂环境中容易产生死锁，导致部分蚂蚁失效，造成效率低下，迭代次数增多
多因素环境中最短路径往往并非最优解

方法创新

利用环境信息引入环境因子来调整启发函数的方法从而降低死锁情况的发生
对转移概率进行加权优化

经典蚁群

改进的蚁群

Ej就是环境因子


D（x，y）为节点在栅格矩阵中对应的元素。如 果是普通路径则按照栅格环境搭建规则得知D（x， y）=1，如果该路径是拥堵或收费路段则D（x，y）> 1。因此D（x，y）与P* k ij成反比，表明蚂蚁更加倾向沿 普通路径行走

结果

丰富了蚁群算法的实用性和 现实意义