基于蚁群算法的TSP问题分析  

Research on the TSP problem in ant colony algorithm

作　　者：曹思聪 夏辉[2] 孙可[2] 

机构地区：[1]沈阳联勤保障中心65111部队 [2]沈阳师范大学科信软件学院

出　　处：《鞍山师范学院学报》2017年第2期49-53,共5页Journal of Anshan Normal University

基　　金：辽宁省自然科学基金资助项目(2014020118);辽宁省科技厅自然科学基金(L2014441);教育部"本科教学工程"本科专业综合改革试点专业(ZG0103);辽宁省教育厅高等学校科学研究项目(L2012388)

摘　　要：蚁群优化算法是人工智能学科中的一种新兴仿生启发式优化算法,它的思想来自于自然界中蚂蚁群体的觅食过程,经过近20年的完善与发展,现在已很好地应用在许多算法优化问题中.本文首先对主流蚁群算法模型的思想和信息素的更新机制进行了剖析和对比后,采用国际上通用的TSPLIB库求解了TSP(旅行商)问题.由参数调整和其实验结果,引出对蚁群算法性能的分析与判断,得到了优化蚁群算法的有用结果.The ant colony optimization algorithm （ACO） is a new upcoming heuristic optimization algorithm in the area of artificial intelligence （AI）.It＇s idea comes from the foraging process of ants in nature.With two decades＇ improvement and innovation, this algorithm is now successfully used in the solutions of many optimi- zing issues.In this paper, the ideas, as well as the updating mechanisms of pheromone in four different main- stream models of ACO are dissected and compared firstly.Then two traveling salesman problem （TSP） from TSPLIB are solved.The analysis and estimation over the performance of ACO are elicited by parameter adjust- ment and experiments.At the same time ,a series of conclusions are gradually generated.

关 键 词：旅行商(TSP)问题 蚁群优化算法 信息素 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]