蟻群算法中求解參數最優選擇分析

摘要：通過理論分析和一系列的對比模擬實驗研究，來探討蟻群算法中參數的最佳設定原則，以利于蟻群算法在實際中的應用和推廣。

關鍵詞：蟻群算法； 旅行商問題； 參數

中圖分類號：TP301．6文獻標志碼：A

文章編號：1001－3695(2007)08－0070－02

蟻群優化算法最早由意大利的M. Dorigo等人[1~3]提出。在過去的十多年，蟻群算法（ACA）的研究和應用取得了很大的進展，大量結果證明了算法的有效性及其在某些領域的優勢[4，5]。

在蟻群算法成功應用于各種優化組合問題的同時，注意到該算法存在一定的缺陷，其中之一是算法中選擇求解參數的不確定性。

4結束語

本文通過一系列的模擬實驗，對蟻群算法有關算法參數的性能、作用及最佳選取原則進行了深入研究。實驗研究表明，基本蟻群算法中最優的算法參數組合為M=城市規模、Q=1 000、α=1、β=5、ρ=0.6。可見，在該算法參數設置的原則下，對任意TSP問題總能比較快速地求得全局最優解，不致出現搜索的過早停滯現象或陷入局部最優問題。

參考文獻：

［1］DORIGO M， MANIEZZO V， COLORNI A. The ant system: optimization by a colony of cooperating agents[J]. IEEE Trans on Systems， Man， and Cybernetics: Part B， 1996，26(1):1－13.

[2]DORIGO M，MANIEZZO V，COLORNI A. Ant system:optimization by a colony of cooperating agents[J].IEEE Trans on Systems， Man，and Cybernetics:Part B，1996，26(1):29－41.

[3］COLORNI A， DORIGO M. Heuristics from nature for hard combinatorial optimization problems[J].International Trans Operational Research， 1996，3(1):1－21.

[4］HUANG Lan， ZHOU Chunguang， WANG Kangping.Hybrid ant colony algorithm for traveling salesman problem[J]. Progress in Natural Science， 2003，13(4):295－299.

[5］DORIGO M， GAMBARDELLA L M. Ant colony system: a cooperative learning approach to the traveling salesman problem[J]. IEEE Trans on Evolutional Computation，1997，1(1):53－66.

[6］詹士昌，徐婕，吳俊. 蟻群算法中有關算法參數的最優選擇[J]. 科技通報， 2003，15(9):381－386.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”