【论文】基于蚁群算法参数的最优选择问题研究_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
中国最大最早的专业内容网站
评价文档：
&购买后可评价
您可以上传图片描述问题
联系电话：
请填写真实有效的信息，以便工作人员联系您，我们为您严格保密。
基于蚁群算法参数的最优选择问题研究
蚁​群​算​法​是​受​现​实​蚂​蚁​群​体​行​为​启​发​而​得​出​的​一​类​仿​生​算​法​。​通​过​对​蚁​群​算​法​中​影​响​算​法​性​能​的​参​数​进​行​分​析​和​研​究​,​并​对​蚁​群​算​法​中​参​数​的​最​优​选​择​问​题​进​行​实​验​分​析​,​从​而​给​出​算​法​参​数​的​最​佳​取​值​范​围​,​以​利​于​算​法​在​实​际​问​题​中​的​应​用​和​推​广​.
试读已结束，如果需要继续阅读或下载，敬请购买
你可能喜欢92基于混沌蚁群算法的最短路径选择研究
上亿文档资料，等你来发现
92基于混沌蚁群算法的最短路径选择研究
第26卷增刊重庆交通大学学报(自然科学版)；JOURNALOFCHONGQINGJIAOTO；Vol.26Supplement；基于混沌蚁群算法的最短路径选择研究；吴霜华,付洋,葛亮；(重庆交通大学,重庆400074)；摘要:如何解决最短路径选择问题一直是城市交通流诱；中图分类号:U491.2文献标识码:A文章编号:；StudyonShortestPathS
第26卷增刊重庆交通大学学报(自然科学版)JOURNALOFCHONGQINGJIAOTONGUNIVERSITY(NATURALSCIENCE)Vol.26Supplement基于混沌蚁群算法的最短路径选择研究吴霜华,付　洋,葛　亮(重庆交通大学,重庆400074)摘要:如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.关　键　词:交通诱导;混沌蚁群算法;最短路径中图分类号:U491.2　　　文献标识码:A　　　文章编号:07)S-0126-03StudyonShortestPathSearchMethodBasedonChaosAntColonyOptimizationWUShuang-hua,FUYang,GELiang(ChongqingJiaotongUniversity,Chongqing400074,China)Abstract:SearchingshortestpathisoneofthemostimportantissuesofTrafficRouteGuidanceSystem.ChaosAntColonyOptimizationisakindofpopulationbasedonbionicalgorithm,whichisoneofthemethodsfortheproblem.Becausetheantcolonyalgorithmiseasytodropintolocaloptimaassearchingtheshortestpath,achaoticsearchalgorithmisembeddedintothemodifiedvenisonofspecialantcolonyoptimizationalgorithmwhichiscalledChaosAntColonyOptimization(CACO).ThebasicprincipleofCPSOalgorithmisthatchaosinitializationshouldbeadoptedtoimproveindividualqualityandchaosperturbationshouldbeutilizedtoavoidthesearchbeingtrappedinlocaloptimum.ItmakesthetimecomplexityoftheantACOgoingdown,andisagoodsolutiontotheproblemofsearchingshortestpath.Keywords:TrafficRouteGuidanceSChaosAntColonyOshortestpath　　动态交通分配中的最短路径选择是行车路线优化子系统和交通信息服务子系统的核心,因此在整个交通流诱导系统中占有重要的地位.传统的路径选择算法通常采用图论和数学规划方法进行串行寻优,计算时间长,计算量大.而实时性是最短路径算法选择的关键,因此传统的方法无法达到满意的效果.近年来,随着群智能技术的出现,蚁群算法为最短路径选择问题提供了一个新的解决方法.但由于蚁群算法本身的局限性,其道路信息素初始值固定,使此算法收敛速度较慢.为了解决这一问题,在蚁群算法中引入混沌理论,利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值.与单独蚁群算法相比较,混沌蚁群算收稿日期:法在最短路径选择方面有着更大的优势.笔者根据混沌蚁群算法给出了最短路径选择问题的数学模型和算法步骤.1　蚁群算法原理蚁群算法是最近几年才提出的一种新型的模拟进化算法,由意大利学者ColorniA.、DorigoM.和ManiezzoV.于1992年首先提出来的,用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决一些离散系统优化问题.蚁群算法的基本原理可大致描述如下.蚂蚁属于群居昆虫,个体行为极其简单,而群体行为却相当复杂.相互协作的一群蚂蚁很容易找到从蚁穴到食物源的最短路径,而单个蚂蚁则不能.人们通过大量基金项目:2006年重庆市建委项目(渝建[项):-),,,,:e-.c增刊　　　　　　　　　　　吴霜华等:基于混沌蚁群算法的最短路径选择研究的研究发现,蚂蚁之所以能做到这一点,是因为蚂蚁个体之间通过在其所经过的路径上留下一种可称之为信息素的物质来进行信息传递.蚂蚁可以嗅到这种信息素,而且可以根据信息素的浓度来指导自己对前进方向的选择.同时,该信息素会随着时间的推移逐渐挥发掉,基于此,路径的长短及该路径上通过的蚂蚁的数量就对残余信息素的强度产生影响.反过来信息素的强弱又指导着其它蚂蚁的行动方向.蚂蚁倾向朝着信息素强度高的方向移动.于是,由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象:某一路径上走过的蚂蚁越多,则后者选择该路径的概率越大.蚂蚁个体之间就是通过这种信息的交通达到搜索食物的目的.蚂蚁算法是基于以上原理产生的.它是一种随机搜索算法,与其他模型进化算法一样,是通过候选解组成的群体进化过程来寻找最优解.到目前已经用该方法求解了旅行商问题、指派问题、调度问题等.127在初始化时,各路径的信息素取值相同,让蚂蚁以等概率选择路径,这样使蚂蚁很难在短时间内从大量的杂乱无章的路径中找出一条较好的路径,所以收敛速度较慢,导致其时间复杂度较高.而最短路径选择的首要条件是较高的实时性,所以仅仅用蚁群算法来解决路径选择问题无法满足智能交通诱导系统的需求.但假如在蚁群算法初始化时,就给出启发性的信息量,则可以大大加快收敛速度.混沌理论看似混沌,却有着精致的内在结构,具有随机性、遍历性及规律性等特点,对初始条件极为敏感,能在一定范围内按其自身规律不重复地遍历所有状态,正是利用混沌运动的这些性质,可以进行优化搜索.根据混沌的这些特性,现已提出了一系列新的优化方法,如混沌遗传算法.这里,采用混沌和蚁群算法相结合,根据混沌蚁群(ChaosAntColonyOptimization,CA-CO)算法,在蚁群算法初始化时,利用混沌运动的遍历性,进行混沌初始化,每个混沌量对应于一条路径,从中选择比较优的路径,使这些路径留下信息素(与路径长度成反比),这样各路径的信息量就不同了,可以引导蚂蚁进行路径选择.2　混沌理论混沌理论(Chaostheory)是一种兼具质性思考与量化分析的方法,用以探讨动态系统中(如:人口移动、化学反应、气象变化、社会行为等)无法用单一的数据关系,而必须用整体、连续的数据关系才能加以解释及预测的行为.混沌学在科学上,如果一个系统的演变过程对初态非常敏感,人们就称它为混沌系统.研究混沌运动的学科,称为混沌学.研究发现,出现混沌运动这种奇特现象,是由系统内部的非线性因素引起的.一般,如果一个接近实际而没有内在随机性的模型仍然具有貌似随机的行为,就可以称这个真实物理系统是混沌的.一个随时间确定性变化或具有微弱随机性的变化系统,称为动力系统,它的状态可由一个或几个变量数值确定.而一些动力系统中,两个几乎完全一致的状态经过充分长时间后会变得毫无一致,恰如从长序列中随机选取的两个状态那样,这种系统被称为敏感地依赖于初始条件.而对初始条件的敏感的依赖性也可作为一个混沌的定义.混沌不是偶然的、个别的事件,而是普遍存在于宇宙间各种各样的宏观及微观系统的,万事万物,莫不混沌.混沌也不是独立存在的科学,它与其它各门科学互相促进、互相依靠,由此派生出许多交叉学科,如混沌气象学、混沌经济学、混沌数学等.4　基于混沌蚁群算法实现最短路径选择模型1)将所选区域路网用图论方法表示.主要针对路网上的街道和交叉路口进行分析.其中定义交叉路口为网络上的点,街道为网络上的边.2)设λ(t)为t时刻连接节点和的路段上的信ij息浓度,在初始时刻,构造各条路段上的信息素浓度.由于目前对混沌尚无严格的定义,一般将由确定性方程得到的具有随机性的运动状态称为混沌.此处我们取一个典型的混沌系统Logistic影射.迭代公式如下:ZZ(1-Z),i=0,1,2,3…,μ∈(2,4]i+1=μii式中,μ为常数,取值为[3.56,4.00],此时,0≤Z≤1.利用全排列理论,将每个混沌量对应于一条路径,也就是为每条路段上的信息素浓度根据混沌量给出初值.这样可以得到λ(0).ij3)设n为路段ij启发信息,由某种启发算法给ij出.一般取n,d为ij之间的距离.ij=1/dijij4)蚂蚁k(k=0,1,2,…)在运动过程中根据各条路径上的信息量决定转移方向,p(t)表示t时刻ij位于交叉点i的蚂蚁k选择交叉点j为目的地的概率.其表示函数为k3　混沌蚁群算法原理,128λ(t)?η(t)ijijpijks∈nextkαβ重庆交通大学学报(自然科学版)　　　　　　　　　　第26卷,若j∈nextkαβλ(t)?η(t)isis的信息素.∑0,否则式中,α(α≥0)表示信息素的相对重要性;β(β≥0)表示启发信息的相对重要性;next表示蚂蚁下一k步可以选择的路网上的点.5)随着时间的推移,先前留下的信息素或者逐渐消失,或者残留的信息素过多,从而淹没了启发信息,为了避免这两种情况出现,在每一只蚂蚁从起点到达终点后,必须对残留的信息素进行更新.如果不论蚂蚁搜索到的解如何,都更新相应的信息素,会导致解结果比较差的也会留下信息素,对后续蚂蚁的选择造成干扰,引起大量无效的搜索.因此,只对比较好的解留下信息素,也就是说当路径长度小于给定的值时,才留下信息素.用参数ρ(0≤ρ≤1)来表示信息素物质的保留率,则1-ρ就表示信息素的挥发率,经过m个时间单位后,蚂蚁从起始点到达目的点时,在原始的蚁群算法中,各路段上的信息素浓度根据以下式子作调整.λ(t+m)=ρλ(t)+Δλijijij其中,Δλ表示蚂蚁k在时间段t到t+m的过程中,ij在i到j的路段上留下的残留信息素浓度.可以看出,蚁群用正反馈原理,在一定程度上加快了进化过程,但也存在一些错误,如果出现停滞现象,容易陷入局部最优解.因此在此处也引入混沌,调整信息量,加入混沌扰动量,避免陷入局部最优极值区间.改进后的式子为:λ(t+m)=ρλ(t)+ΔλqZijijij+ij其中,Z为混沌扰量,这里同样采用典型的混沌系ij统Logistic影射得到;q为相关系数.6)根据信息素更新策略的不同,有3种不同的蚁群算法模型.经过比较Ant-quantity模型最适合最短路径选择问题.Ant-quantity模型为:,若第k只蚂蚁在时刻t到t+1之间经过ijΔλdijkij5　用混沌蚁群算法解决最短路径选择问题过程1)混沌初始化,调整各路径信息素.2)将m只蚂蚁放到起点S处,每只蚂蚁将根据设定的概率选择下一个与此交叉点直接相邻的交叉点.3)蚂蚁k从S点出发,按照选择策略,从与S相关联的边的集合中,选择一条边.然后,按照算法模型中的规定更新这条边上的信息素浓度.接着再从这条边的另一节点j开始,从与j相关联的边的集合中,选择另一条边.以此类推,直到搜索到终点D.4)蚂蚁k得到一个从S到D的解.5)所有的m只蚂蚁都搜索完毕后,得到m个解(包括重复的).继续迭代直到满足停止条件,停止条件为最大迭代次数.6)在求得的所有解中,值最小的解为所求的全局最优解,即最短路径的长度.6　结　语笔者尝试采用混沌蚁群算法来求解最短路径选择问题,同时也证明了用这种方法解决具有一定的理论参考价值.比较蚁群算法,此种方法降低了时间复杂度,避免了蚁群算法陷入局部最优而得到错误的解.采用的混沌系统中的Logistic映射,其参数的具体选择有待进一步试验.混沌蚁群算法研究处于初级阶段,其收敛性研究工作也有待于继续研究.参考文献:[1]　杨兆升.城市交通流诱导系统[M].北京:中国铁道出版社,2004.[2]　陈　烨.变尺度混沌蚁群优化算法[J].计算机工程与应用,):68-70.[3]　高　尚.解旅行商问题的混沌蚁群算法[J].系统工程理论与实践,0-104.[4]　靳凯文,李春葆,秦前清.基于蚁群算法的最短路径搜索方法研究[J].公路交通科技,):128-130.[5]　高　尚,杨静宇.群智能算法及其应用[M].北京:中国水利水电出版社,2006.[6]　黄海军.城市交通网络平衡分析理论与实践[M].北京:人民交通出版社,1994.0,否则式中,Q是常量,信息素的增量和ij之间的距离有关,即信息素浓度和d相关,也就是说蚂蚁下一步ij倾向于选择比较短的路段.Ant-quantity模型利用的是整体信息,蚂蚁在一个循环以后,更新所有路径上包含各类专业文献、生活休闲娱乐、高等教育、应用写作文书、各类资格考试、文学作品欣赏、专业论文、92基于混沌蚁群算法的最短路径选择研究等内容。
　2 2.1 基于多时段动态交通分配模型模型描述 多时段动态用户配流模型,将所考虑...?? ?? ?? [7]吴霜华,付洋,葛亮.基于混沌蚁群算法的最短路径选择研究 [D... 　在此基础上,重点研究最短路径算法的研究, 分析常见算法的优缺点,选出最优方案...(论文)题目 学生姓名 郑某某 基于 Labview 技术的 Henon 系统的虚拟混沌信号... 　改进蚁群算法在交通系统最短路径问题的研究_专业资料。龙源期刊网 .cn 改进蚁群算法在交通系统最短路径问题的研 究 作者:杨中秋 张延华 来源... 　基于蚁群算法的TSP问题研究 开题报告_计算机软件及应用_IT/计算机_专业资料。四川...找到由蚁巢至食物的最短路径,提出的一种基于信息正反馈原理的新型模拟进化 算法... 　蚁群算法研究报告_计算机软件及应用_IT/计算机_专业资料...5 2.2 基于 TSP 问题的蚁群算法模型 ......它还充分模拟了实际蚁群寻求最短路径的协作优化特性。由于... 　一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究 论文题目 作者简介: ...本文的这个思想完全不同于 Marco Dorigo 的关于蚁群通过概率选择来建立最短路径... 　MATLAB 实现基于蚁群算法的机器人路径规划 1、 问题描述 移动机器人路径规划是机器人学的一个重要研究领域。 它要求机器人依据某个或某些优 化原则(如最小能量... 　基于蚁群算法解决旅行商问题_工学_高等教育_教育专区...也是组合优化中研究最多的问题之一,它解决如何找到...NC max Y 清空所有的集 合 tabu 得出最短路径 N... 　蚁群算法最短路径通用Matlab程序(附图)_IT/计算机_专业资料。蚁群算法寻找最短路...(LJD);%可选节点的个数 觅食停止条件:蚂蚁未遇到食物或者陷入死胡同 while W...百度文库-信息提示
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
信息提示对不起，该文档已被删除，无法查看
4秒后，自动返回首页蚁群算法中有关算法参数的最优选择--《科技通报》2003年05期
蚁群算法中有关算法参数的最优选择
【摘要】：蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.本文介绍了蚁群算法基本模型AS(AntSystem)的原理、特点、构成和实现方法,对基本蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则,有利于蚁群算法在优化问题中的推广和应用.
【作者单位】：
【关键词】：
【基金】：
【分类号】：TP301.6【正文快照】：
0　引　言蚁群算法是受到人们对自然界中真实蚁群集体行为研究成果[1]的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法,由意大利学者DorigoM等人首先提出[2,3].该算法充分利用了蚁群搜索食物的过程与旅行商问题(TSP)之间的相似性,通过人工蚂蚁搜索食物的过程(即
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
赵素娟;;[J];现代计算机(专业版);2011年12期
刘援农;;[J];硅谷;2011年13期
邹海洋;;[J];科技信息;2011年19期
邓慧娴;刘朝臣;;[J];安徽科技学院学报;2011年03期
周伦钢;;[J];电脑知识与技术;2011年19期
计三有;王星;;[J];湖北工业大学学报;2011年04期
刘向娇;吴素萍;刘佳梅;;[J];微电子学与计算机;2011年07期
张宏彬;郭静;王超;陈崚;;[J];计算机工程与应用;2011年24期
闫文;;[J];信息与电脑(理论版);2011年08期
戴宏发;张源原;孙国强;刘成亮;;[J];科技创新导报;2011年21期
中国重要会议论文全文数据库
吴正伟;吉文来;陈伟佳;卢扣;;[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
王鹤;邵良杉;邱云飞;;[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
肖岭;熊辉;;[A];电波科学学报[C];2011年
罗雪晖;李霞;张基宏;;[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年
陈峻;沈洁;秦玲;;[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年
魏平;熊伟清;;[A];中国自动化学会控制理论专业委员会C卷[C];2011年
苏晓鹭;于洋;葛斌;;[A];第二十七届中国控制会议论文集[C];2008年
王倩;杨京燕;孟璐;;[A];中国智能电网学术研讨会论文集[C];2011年
彭敏晶;林健;肖健华;;[A];2005年中国智能自动化会议论文集[C];2005年
初妍;张健沛;杨静;;[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年
中国博士学位论文全文数据库
刘传文;[D];武汉理工大学;2008年
陈宝文;[D];哈尔滨工业大学;2009年
何荥;[D];重庆大学;2008年
刘波;[D];燕山大学;2010年
张毅;[D];吉林大学;2009年
康晓东;[D];天津大学;2008年
毕晓君;[D];哈尔滨工程大学;2006年
宋杰;[D];安徽大学;2006年
郭慧彬;[D];吉林大学;2009年
刘波;[D];华中科技大学;2009年
中国硕士学位论文全文数据库
张频捷;[D];中南大学;2010年
沈杰;[D];杭州电子科技大学;2009年
邵晓路;[D];浙江理工大学;2010年
吕海鹏;[D];哈尔滨理工大学;2010年
杨洁;[D];湖南大学;2009年
艾凌云;[D];南昌大学;2010年
张守年;[D];华南理工大学;2010年
李超;[D];辽宁工程技术大学;2009年
宋红星;[D];江南大学;2010年
林时来;[D];西南大学;2011年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号}