亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多元組合ACS-TSP系統(tǒng)

        2015-11-01 23:25:48
        關(guān)鍵詞:蟻?zhàn)?/a>全局遺傳算法

        陳 芳

        (大同市安福儀器儀表有限責(zé)任公司,山西大同037003)

        多元組合ACS-TSP系統(tǒng)

        陳 芳

        (大同市安福儀器儀表有限責(zé)任公司,山西大同037003)

        文章提出了用多算法結(jié)合蟻?zhàn)逑到y(tǒng)(ACS)求解旅行商問(wèn)題(TSP)的方法,介紹了在ACS-TSP問(wèn)題上的遺傳算法,目的是為了尋找處理旅行商早期停滯現(xiàn)象的解空間。此外,還提出了一種新的最小生成樹(shù)(MST)算法,結(jié)合最近鄰(NN)來(lái)創(chuàng)建一個(gè)初始架構(gòu),以便又快又好地解決旅行商問(wèn)題。

        ACS-TSP;遺傳算法;最小生成樹(shù);最近鄰

        螞蟻系統(tǒng)(AS)[1-2]也稱為蟻?zhàn)逑到y(tǒng)(ACS)[3],是由Dorigo和他的同事首先提出的,后來(lái)經(jīng)過(guò)不斷地完善而發(fā)展起來(lái)的一種蟻群算法。蟻?zhàn)逑到y(tǒng)已經(jīng)被成功地應(yīng)用于許多領(lǐng)域,如旅行商問(wèn)題(TSP)[4]、二次分配問(wèn)題[5]、數(shù)據(jù)挖掘[6]、空間規(guī)劃[7]、作業(yè)車間調(diào)度和其他方面[8-9]。

        ACS-TSP算法與遺傳算法(GA)、模擬退火(SA)和進(jìn)化規(guī)劃(EP)[10]等算法相比較能夠產(chǎn)生更好的效果,但仍然需要解決兩類問(wèn)題,即早期停滯和收斂時(shí)間。早期停滯是一種現(xiàn)象,當(dāng)信息素幾個(gè)弧的強(qiáng)度變的很高時(shí),螞蟻將一次又一次地構(gòu)建相應(yīng)的路線,這就使得在選擇最優(yōu)路徑時(shí)變得不可能。本文的目的是結(jié)合其他算法解決上述問(wèn)題。

        1 基于蟻?zhàn)逑到y(tǒng)的TSP問(wèn)題

        蟻?zhàn)逑到y(tǒng)是在螞蟻行為尤其是覓食行為的啟發(fā)下產(chǎn)生的,自然界中的螞蟻通過(guò)信息素來(lái)存放信息,以實(shí)現(xiàn)互相溝通。螞蟻的選擇傾向于以正相關(guān)的強(qiáng)度來(lái)發(fā)現(xiàn)線索的特定路徑。如果其他螞蟻沒(méi)有獲得更多的信息素,那么信息素就會(huì)消失,即信息失去強(qiáng)度。相反,如果許多螞蟻選擇某一路徑下的信息素,會(huì)使得路徑的信息強(qiáng)度增大,從而吸引越來(lái)越多的螞蟻。

        應(yīng)用ACS解決TSP的工作原理是:M螞蟻?zhàn)畛醣浑S機(jī)定位在n個(gè)城市,每只螞蟻根據(jù)轉(zhuǎn)移概率規(guī)則來(lái)選擇城市,從而制定完整的路線。在構(gòu)建路線的同時(shí),螞蟻通過(guò)應(yīng)用本地更新規(guī)則來(lái)改變信息素的數(shù)量,當(dāng)所有螞蟻構(gòu)建完成了他們的路線時(shí),全局性的更新將被應(yīng)用。ACS算法框架為:

        1.1 狀態(tài)轉(zhuǎn)換規(guī)則

        k螞蟻的任務(wù)是構(gòu)建一條訪問(wèn)所有城市,然后回到起點(diǎn)的路線。與k相關(guān)的還有待參觀的城市Jk(r),其中,r是螞蟻k目前所處的城市。螞蟻k從城市r到城市s所使用的規(guī)則稱為偽隨機(jī)比例選擇規(guī)則(或稱狀態(tài)轉(zhuǎn)換規(guī)則):

        其中,τ(r,u)代表邊緣信息素的量;η(r,u)是城市r和城市u之間距離倒數(shù)的啟發(fā)式函數(shù);β是用來(lái)衡量信息素路徑相對(duì)重要性的參數(shù);q表示在區(qū)間[0,1]上隨機(jī)選擇的概率;q0是一個(gè)參數(shù),0≤q0≤1;s是隨機(jī)變量,表明了螞蟻從城市r選擇去城市s的可能路徑。

        s由下述方程給出:

        1.2 局部更新規(guī)則

        構(gòu)建一個(gè)解決TSP的方案,螞蟻通過(guò)應(yīng)用下面的本地更新規(guī)則來(lái)訪問(wèn)邊緣路徑和改變信息素路徑的數(shù)量:

        其中,ρ表示信息素衰減的參數(shù),0<ρ<1;Δτ(r,s)代表初始信息素的水平,Δτ(r,s)=(n*Lnn)-1;Lnn代表由最近鄰啟發(fā)式產(chǎn)生的路徑長(zhǎng)度;n代表節(jié)點(diǎn)數(shù)。

        1.3 全局更新規(guī)則

        全局更新是在所有螞蟻已經(jīng)完成了他們的路徑之后被執(zhí)行的,信息素的數(shù)量是通過(guò)應(yīng)用下面的全局更新規(guī)則來(lái)更新的:

        其中,α代表信息素衰減參數(shù),0<α<1;Lgb是最優(yōu)路徑長(zhǎng)度。

        2 解決方案

        本文運(yùn)用遺傳算法來(lái)尋找解空間,以避免出現(xiàn)早期停滯現(xiàn)象,從而獲得解決TSP問(wèn)題的全局最優(yōu)解。此外,應(yīng)用最小生成樹(shù)(MST)構(gòu)建初始路徑來(lái)提高算法的效率。

        2.1 遺傳算法

        在每次循環(huán)中,通過(guò)讓最好的螞蟻去更新路徑來(lái)提高ACS的性能。但太早排除其他潛在的螞蟻會(huì)導(dǎo)致早期停滯現(xiàn)象,所以在解決ACS問(wèn)題上引入遺傳算法來(lái)處理早期停滯現(xiàn)象。

        遺傳算法(GA)[11]是一種基于遺傳和自然選擇原則的優(yōu)化和搜索技術(shù),由John Holland等人開(kāi)發(fā)。遺傳算法是在基因概念的基礎(chǔ)上衍生出來(lái)的,其中包括三個(gè)重要的環(huán)節(jié),即復(fù)制、交叉和變異。這些基因操作只使用原始操作,如復(fù)制、交換和翻轉(zhuǎn)基因。利用遺傳算法求解最優(yōu)化問(wèn)題的優(yōu)點(diǎn):(1)遺傳算法包括開(kāi)發(fā)以及在操作過(guò)程中的探索,這與優(yōu)化的方法(如梯度下降法)不同;(2)通過(guò)利用遺傳算法,不僅能夠解決線性與非線性規(guī)劃,還能解決整數(shù)規(guī)劃。

        在全局更新階段,采用了兩相策略來(lái)提高尋找解空間的能力。在第一階段,當(dāng)所有螞蟻完成了他們的路線后,在所有的螞蟻路徑中選擇三條有代表性的路徑:一是最優(yōu)路徑,二是中等路徑,三是最劣路徑。對(duì)于這三條路徑,應(yīng)用遺傳算法交叉算子的后代方法。在第二階段,應(yīng)用最優(yōu)路徑和GA所構(gòu)建的三條其他路徑來(lái)解決全局邊緣信息素的更新問(wèn)題。全局更新規(guī)則為:

        利用上述方法,可以改進(jìn)ACS-TSP算法框架為:

        2.2 旅行商問(wèn)題的構(gòu)建方法

        最近鄰(NN)方法通常是用來(lái)構(gòu)建一個(gè)旅行商路線,但這樣的方法可能會(huì)產(chǎn)生嚴(yán)重的錯(cuò)誤。最小生成樹(shù)(MST)的問(wèn)題是找到一個(gè)最小總成本的生成樹(shù)圖,可以由krushal和Prim算法驗(yàn)證,一個(gè)最優(yōu)路徑通常包含70~80%的邊緣最小生成樹(shù)。

        基于上述現(xiàn)象,采用一種新的與NN相結(jié)合的MST方法來(lái)構(gòu)建一個(gè)初始路徑。根據(jù)具體的TSP問(wèn)題,構(gòu)建相應(yīng)的MST樹(shù),形成屬于MST樹(shù)的候選邊緣集。因?yàn)镸ST是一個(gè)n樹(shù),其節(jié)點(diǎn)的自由度大于2,選擇最長(zhǎng)的路徑,把從后代節(jié)點(diǎn)到祖先節(jié)點(diǎn)作為起始路線。然后,把初始路徑的結(jié)束點(diǎn)作為新的起始節(jié)點(diǎn)。選擇下一個(gè)節(jié)點(diǎn)方法為:(1)存在一個(gè)沒(méi)有被候選邊緣集訪問(wèn)的邊緣,該邊緣連接新的起始節(jié)點(diǎn)。(2)如果上述方法不成功,則運(yùn)用NN方法選擇最近的沒(méi)有被訪問(wèn)的節(jié)點(diǎn)作為下一個(gè)節(jié)點(diǎn)。

        在初始階段,利用上面提到的方法,增加少量的信息素以便螞蟻尋找路徑,從而減少收斂時(shí)間,最初的路徑構(gòu)建程序框架如下:

        3 實(shí)驗(yàn)結(jié)果

        為了驗(yàn)證上述方法的合理性,在計(jì)算機(jī)上進(jìn)行模擬。在實(shí)驗(yàn)中設(shè)置如下參數(shù):q0=0.9,ρ=0.5,α=1,β=2,計(jì)算機(jī)模擬運(yùn)行=50。此外,在實(shí)驗(yàn)中使用了20只螞蟻,與之前Dorigo提出的ACSTSP方法相比較,試驗(yàn)結(jié)果表明:a280、att532、rat783、u1060、fl1400、rl1889是基準(zhǔn)問(wèn)題。圖1顯示的是ACS-TSP路徑長(zhǎng)度和使用rl1889基準(zhǔn)問(wèn)題的對(duì)比情況。ACS+TSP+ls與Improved+ls計(jì)算路徑長(zhǎng)度的對(duì)比結(jié)果,見(jiàn)表1。結(jié)果表明,利用TSP與遺傳算法以及最小生成樹(shù)相結(jié)合的方法,較好地解決了全局最優(yōu)解或接近全局最優(yōu)解的問(wèn)題。

        圖1 ACS-TSP路徑長(zhǎng)度和使用rl1889基準(zhǔn)問(wèn)題的對(duì)比

        表1 ACS+TSP+ls與Improved+ls計(jì)算路徑長(zhǎng)度的對(duì)比

        4 結(jié)語(yǔ)

        多元組合ACS-TSP系統(tǒng)是一種新的可以迅速提高初始路徑的戰(zhàn)略方法,對(duì)大型TSPs決策也能勝任。

        [1]Colori A,Dorigo M,Maniezzo V.Distributed optimization by ant colonies[A].Varela F,Bourgine P.Proceedings of the first Europe an conference on artificial life[C].Paris:Elsevier Publishing,1991:134-142.

        [2]Dorigo M,Maniezzo V,Colorni A.The ant system:optimization by a colony of cooperating agents[J].IEEE Transactions on Systems,Man,and Cybernetics-Part B,1996,26(1):29-41.

        [3]Dorigo M,Gambardella L M.Ant colony system:a cooperative learning approach to the traveling salesman problem[J].IEEE Transactions on Evolutionary Computation,1997,l(1):53-66.

        [4]Tsai Cheng-fa,Tsai Chun-wei,Tseng Ching-chang.A new Hybrid heuristic approach for solving large traveling salesman problem[J].Information Sciences,2004,166(1-4):67-81.

        [5]Maniezzo V,Colorni A.The ant system applied to the quadratic assignment problem[J].IEEE Transactions on Knowledge and Data Engineering,1999,11(5):769-778.

        [6]Parpinelli R S,Lopes H S,Freitas A A.Data mining with an ant colony optimization algorithm[J].IEEE Transactions on Evolutionary Computation,2002,6(4):321-328.

        [7]Bland J A.Space-planning by ant colony optimization[J].International Journal of Computer Applications in Technology,1999,12(6):320-328.

        [8]Blum Christian.Ant colony optimization:introduction and recent trends[J].Physics of Life Reviews,2005,2(4):353-373.

        [9]Dorigo M,Caro G D,Gambardella L M.Ant algorithms for discrete optimization[J].Artificial Life,1999,5(2):137-172.

        [10]Bonabeau E,Dorigo M,Theraulaz G.Swarm Intelligence:From Natural to Artificial Systems[M].New York:Oxford University Press,1999.

        [11]Holland J.Adaptation in Natural and Artificial Systems[M].Ann Arbor:University of Michigan Press,1975.

        A Multi-Metaheuristic Combined ACS-TSP System

        CHEN Fang
        (Datong Anfu Instrument and Meter Limited Liability Company,Datong Shanxi,037003)

        This paper presents a Multi-Metaheuristic combined Ant Colony System(ACS)-Travelling Salesman Problem(TSP)al?gorithm for solving the TSP.We introduce genetic algorithm in ACS-TSP to search solutions space for dealing with the early stagnation problem of the traveling salesman problem.Moreover,we present a new strategy of Minimum Spanning Tree(MST)coupled with Nearest Neighbor(NN)to construct a initial tour for improving TSP thus obtaining good solutions quickly.According to our simulation results,the new algorithm can provide a significant improvement for obtaining a global optimum solution or a near global optimum solution in large TSPs.

        ACS-TSP;genetic algorithm;minimum spanning tree;nearest neighbor

        TP301

        A

        1674-0874(2015)05-0069-04

        2015-09-20

        陳芳(1991-),女,山西大同人,助理工程師,研究方向:企業(yè)信息化軟件開(kāi)發(fā)與應(yīng)用。

        〔責(zé)任編輯 王東〕

        猜你喜歡
        蟻?zhàn)?/a>全局遺傳算法
        Cahn-Hilliard-Brinkman系統(tǒng)的全局吸引子
        量子Navier-Stokes方程弱解的全局存在性
        落子山東,意在全局
        金橋(2018年4期)2018-09-26 02:24:54
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
        基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
        基于改進(jìn)的遺傳算法的模糊聚類算法
        弱勢(shì)群體新聞報(bào)道的存在問(wèn)題分析——以“蟻?zhàn)濉睘槔?br/>
        新思路:牽一發(fā)動(dòng)全局
        “蟻?zhàn)瀣F(xiàn)象”的倫理學(xué)思考
        国产精品久久毛片av大全日韩| 少妇人妻无一区二区三区| 久草手机视频在线观看| 激情内射人妻1区2区3区| 边喂奶边中出的人妻| 丰满人妻无奈张开双腿av| 久久精品国产精品亚洲婷婷| 91精品国产色综合久久不| 丝袜美腿国产一区二区| а天堂中文在线官网在线| 国产精品亚洲欧美大片在线看| 99亚洲精品久久久99| 国产呦系列呦交| 日本国产一区二区在线观看| 精品天堂色吊丝一区二区| 小sao货水好多真紧h无码视频| 在线观看av永久免费| 中文人妻av大区中文不卡| 久久黄色精品内射胖女人| 99久久99久久精品国产片| 2021国产精品国产精华| 专区亚洲欧洲日产国码AV| 能看的网站中文字幕不卡av| 丝袜美腿丝袜美腿丝袜美腿丝袜| 中文字幕人成乱码熟女| 中文字幕日韩精品无码内射| av一区二区三区亚洲| 国产一区二区三区在线观看免费版| 神马影院日本一区二区| 国产农村熟妇videos| 人妻无码人妻有码中文字幕| 精品久久久亚洲中文字幕| 国产在线精品观看一区二区三区| 国产精品白丝久久av网站| 久久精品娱乐亚洲领先| 国产目拍亚洲精品一区二区| 免费黄网站永久地址进入| 日韩无码专区| 毛片亚洲av无码精品国产午夜| 国产精品1区2区| av是男人的天堂免费|