邻域贪婪的Harris鹰优化求解立方体表面MTSP问题  

Neighborhood Greedy Harris Hawks Optimization for Solving MTSP on the Cubic Surface

作　　者：徐浏凯 苏守宝 何超[1,3] XU Liukai;SU Shoubao;HE Chao(School of Computer,Nanjing University of Posts and Telecommunications,Nanjing 210023;Jiangsu Key Laboratory of Data Science and Smart Software,Jinling Institute of Technology,Nanjing 211169;School of Computer,Jiangsu University of Science and Technology,Zhenjiang 212003)

机构地区：[1]南京邮电大学计算机学院,南京210023 [2]金陵科技学院数据科学与智慧软件江苏省重点实验室,南京211169 [3]江苏科技大学计算机学院,镇江212003

出　　处：《计算机与数字工程》2022年第9期1869-1875,1906,共8页Computer & Digital Engineering

基　　金：国家自然科学基金项目(编号:61375121,41801303);金科院高层次引进人才科研项目(编号:JIT-rcyj-201505);江苏高校自然科学研究重大项目(编号:21KJA120001);江苏省高校优秀科技创新团队项目(编号:苏教科[2017]6号)资助。

摘　　要：立方体表面的多旅行商问题在实际生活中具有较大应用前景。论文提出了一种邻域贪婪的Harris鹰优化算法(NGHHO),该算法在较新的HHO算法基础上通过使用k-mean聚类增强初始解的质量,利用邻域搜索提高算法在TSP问题中的寻优性能,采用贪婪策略提升算法的收敛速度。通过在TSP benchmark测试集和随机点集上与其他经典的群智能算法进行测试比较,实验结果显示NGHHO寻优效果更好,并且显著克服了Harris鹰优化算法的寻优精度低、易陷入到局部最优的缺点,有效地求解了在特殊表面上的MTSP问题,具有较好的实际应用前景。The multiple traveling salesman problems(MTSPs)on cubic surfaces have large application prospects in real life.In this paper,considering the MTSP,a neighborhood greedy Harris Hawks optimization algorithm(NGHHO)is proposed by applying k-mean clustering to attain a better initial solution,neighborhood search is used to enhance optimization capability,and greedy strategies are adopted to enhance convergence rate. The experimental results show that NGHHO is more effective than some other swarm intelligence algorithms and significantly overcome the shortcoming of HHO,such as low optimization accuracy and the tendency to fall into local optima,and effectively solves the MTSP problem on special surfaces,which has a great application prospect.

关 键 词：群智能算法 Harris鹰优化算法 多旅行商问题 立方体表面 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP301.6[自动化与计算机技术—控制科学与工程]