基于聚度的自适应动态混沌蚁群算法

摘要：

针对蚁群算法收敛速度慢,容易陷入局部最优的问题,提出了一种基于聚度的自适应动态混沌蚁群算法(A_ACS).在迭代前期利用聚度来衡量解的多样性,自适应调节局部信息素分布,同时引入混沌算子来增加种群多样性,避免算法陷入局部最优,从而提高解的精度;在迭代后期去掉混沌算子,减少混沌扰动性,来提高算法的收敛速度.将A_ACS用于TSP问题,仿真结果表明,该算法较ACS和MMAS算法减少了搜索时间,并且提高了解的质量,其平衡了多样性与收敛性之间的矛盾,整体性能优于其他两种算法.

关键词：蚁群算法、聚度、混沌优化、自适应信息素更新、旅行商问题

所属期刊栏目：55

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61673258,61075115,61403249,61603242

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15-22