智能优化算法之蚁群算法(2）

最新推荐文章于 2024-08-04 21:15:43 发布

毒饺子

最新推荐文章于 2024-08-04 21:15:43 发布

阅读量2.7k

点赞数 4

分类专栏：道路规划

本文链接：https://blog.csdn.net/stdio_h666/article/details/88560944

版权

本文深入探讨了蚁群算法的多个变种，包括蚂蚁系统、精英蚂蚁系统、最大-最小蚂蚁系统、基于排序的蚁群算法以及蚁群系统。通过调整策略，如增加全局最优解的使用，能提升算法的性能。

摘要由CSDN通过智能技术生成

1.蚂蚁系统（Ant System）
2.精英蚂蚁系统（Ant system with elitist strategy）

它的设计思想是对算法每次循环后给予最优路径额外的信息素，找出这个解的蚂蚁成为精英蚂蚁。
将这条最优路径记为Tbs。针对路径Tbs的额外强化是通过向Tbs中的每一条边增加e/Lbs大小的信息素得到的，其中e是一个参数，它定义了给予路径Tbs的权值大小，Lbs代表了Tbs的长度，这样相应的信息素的更新公式为

在这里插入图片描述
3.最大-最小蚂蚁系统（MAX-MIN Ant System）

最大-最小蚂蚁系统是到目前为止解决TSP（Traveling salesman problem）问题最好的ACA（Ant colony Algorithm）算法方案之一。
最大-最小蚂蚁系统算法在蚂蚁系统算法的基础上主要做出了如下改进：
①将每条路径可能的信息素浓度限制于[τ min,τ max]，超出这个范围的值强制被设为τ min 或 τ max，可以避免算法过早收敛于局部最优解，有效地避免某条路径上的信息量远大于其他路径，避免所有的蚂蚁都集中到同一条路径。
②信息素的初始浓度被设定为其取值范围的上界，在算法的初始时刻，ρ取较小的值，算法有更好的发现较好解的能力。
③强调对最优解的利用，每次迭代结束后，只有最优解所属路径上的信息被更新，从而很好地利用了历史信息。
所有蚂蚁完成一次迭代后，对路径上的信息做全局更新，即