基于蟻群算法在TSP問題中的仿真分析

【摘要】在移動機器人路徑規劃TSP問題中選取蟻群算法和遺傳算法的matlab仿真作為研究重點，根據算法的特點分析了蟻群算法的主要參數例如啟發信息影響程度的表達因子；信息素揮發系數，蟻群中的螞蟻數量等對TSP問題規劃最優解和效率的影響，同時對比遺傳算法對TSP問題的仿真分析，得出蟻群算法的效率優勢和遺傳算法的穩定性優勢，為進一步的兩種算法優勢互補融合研究做鋪墊。

【關鍵詞】TSP問題；蟻群算法；遺傳算法；仿真分析

目前，關于蟻群算法在TSP問題中的應用及改進已經相對成熟，文獻[1]通過引入模糊集合的概念提出改進路徑更新效果的蟻群算法（FACO），該方法通過模糊評價充分合理利用信息素，能有效提高求得最優解的幾率，是一種有效的改進算法。文獻[2]通過在最大最小蟻群算法基礎上，通過遺傳算法特點對蟻群算法參數設置進行優化，有效提高算法求解信息素的速度。文獻[3]通過提出相遇策略以及分組并列運行方式改進蟻群算法以及在二維和三維環境進行建模仿真，驗證了蟻群改進算法的可靠和有效性。文獻[4]通過提出擴大局部搜索空間策略和信息素更新機制提出蟻群自適應優化算法求解TSP問題的方法，提高算法收斂速度和精度。同時探討了將混沌擾動引入信息素更新的求解過程，可以用更優解取代當前最優值。

1、基本蟻群算法TSP仿真分析及改進

基本蟻群算法求解TSP問題的實質在于引入螞蟻行走的思想求解最優路徑問題，螞蟻隨機挑選路徑并產生信息素，信息素越大代表路徑長度越短從而反饋引導螞蟻選擇路徑最短的路線，蟻群算法有比較好的自組織性，通過整體反饋尋優可以應用于很多實際組合優化問題?！?br>