| 【论文摘要】 |
蚁群算法是一种求解复杂组合优化问题的启发式算法,其自提出以来,便在求解组合优化问题上显示出了强大的优势。作为一种全局搜索的方法,蚁群算法具有分布性、正反馈性、鲁棒性、以及善于与多种启发式算法结合以改善算法性能等优点。虽然传统的蚁群算法具有很强的全局寻优解的能力,但也存在搜索时间过长,在执行过程中容易出现停滞现象、当问题规模较大时存在陷入局部最优的可能性等缺陷。针对以上缺陷,本文引入了免疫算法,因为免疫算法具有快速性,随机性,全局收敛性等优点,因此,利用免疫算法的优点来弥补蚁群算法存在的缺陷,从而对传统的蚁群算法进行了改进。
本文首先给出了三种基于免疫机制的蚁群算法。基于边浓度抑制的免疫蚁群算法,算法前期采用免疫算法来产生蚁群算法的初始信息分布。算法后期根据边浓度抑制机制调整路径上的信息量,从而保持了蚁群多样性;基于接种疫苗的免疫蚁群算法,算法通过提取疫苗,接种疫苗提高了解的质量,同时结合最大最小蚁群算法进行信息素更新。防止算法出现早熟、停滞的现象;引入知识的免疫蚁群算法,算法前期采用免疫算法生成初始信息分布,算法后期引入知识为:判断路径上是否存在交叉,如果存在交叉则消除交叉路线,并将结果保留... |
