引入侦查子群的蚁群算法求解0/1背包问题  

Using ant colony optimization algorithm with scout subgroup to solve 0/1 knapsack problem

作　　者：胡中华[1] 赵敏[1] 

机构地区：[1]南京航空航天大学自动化学院

出　　处：《贵州师范大学学报（自然科学版）》2009年第3期82-88,共7页Journal of Guizhou Normal University：Natural Sciences

基　　金：国家自然科学基金项目(60477031)支持;航空科学基金项目(2008ZD52047)支持

摘　　要：针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的侦查蚁群。在优化过程中侦查蚁群以一定概率做侦查搜索,以扩大了解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强侦查子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度。通过4个典型0/1背包问题(KP)实例进行了仿真实验,并与标准蚁群算法进行性能比较,结果表明该算法不仅能够克服早熟现象,而且能够加快收敛速度。To solving the problem that the standard ant colony algorithm often gets stock into premature stagnation after the iteration process. An improved algorithm is presented, which can enlarge the searching space of results by adopting a scouting subgroup with the searching route at a certain probability, restrain premature stagnation and speed up constringency. Four typical 0/1 knapsack problem （KP） sampies are practiced. The results show that this proposed algorithm can avoid pre-maturity and advance constringency through contrasting with standard ACO.

关 键 词：蚁群优化算法 侦查子群 背包问题 组合优化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP301[自动化与计算机技术—控制科学与工程]