改进蚁群算法求解最短路径问题

被引:35
作者
袁亚博
刘羿
吴斌
机构
[1] 北京跟踪与通信技术研究所
关键词
蚁群算法; 最短路径; 方向引导; 信息素;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对蚁群算法在求解最短路径问题时存在容易陷入局部最优解的问题,对经典蚁群算法提出三方面改进。首先,在初始化信息素浓度时加入方向引导,加快初始搜索速度;其次,在局部信息素浓度更新过程中采用信息素重分配思想,避免由路径信息素衰减过程导致的最优路径信息素浓度过分减少;最后,在全局信息素更新过程中引入动态因子,使其自适应地更新较优路径信息素浓度,以提高全局搜索能力。仿真实验结果表明,该改进算法可以保证收敛速度,并提高算法搜索到最优路径的几率。
引用
收藏
页码:8 / 12
页数:5
相关论文
共 6 条
[1]   改进的蚁群算法求解最短路径问题 [J].
吴虎发 ;
李学俊 ;
章玉龙 .
计算机仿真, 2012, 29 (08) :215-218+353
[2]   适合复杂网络分析的最短路径近似算法 [J].
唐晋韬 ;
王挺 ;
王戟 .
软件学报, 2011, 22 (10) :2279-2290
[3]   基于信息素强度的改进蚁群算法 [J].
郑卫国 ;
田其冲 ;
张磊 .
计算机仿真, 2010, 27 (07) :191-193+229
[4]   基于改进蚁群算法的最短路径问题研究 [J].
张学敏 ;
张航 .
自动化技术与应用, 2009, 28 (06) :4-7
[5]   一种改进的蚁群算法求解最短路径问题 [J].
毕军 ;
付梦印 ;
张宇河 ;
不详 .
计算机工程与应用 , 2003, (03) :107-109
[6]  
MAX – MIN Ant System[J] . Thomas Stützle,Holger H. Hoos.Future Generation Computer Systems . 2000 (8)