蚁群算法解决tsp问题

控制蚁群算法走向的关键是信息素，信息素类似遗传算法的适应性函数，类似退火算法的评价函数，影响着其中一只蚂蚁的下一步的选择。

蚂蚁：类似遗传算法的染色体，就是一条解，在tsp问题中蚂蚁的路径就是tsp的解。

信息素：评价函数，与路径成反比

蚂蚁数量：一次迭代有多少只蚂蚁在跑（注意不是一起跑，而是先后放上一只蚂蚁）

迭代次数T：所有蚂蚁跑完视为一次迭代周期。

程序流程：

1，随机生成距离矩阵

进入循环while（t

{

2，信息素递减（只有较近的信息素才能影响这一步）

3，对于每一只蚂蚁，随机生成起点，标记起点为访问过

进入循环（寻找城市数量-1次）（起点已经有了）

{

4，寻找周围城市的最大信息素

5，随机生成0~1的数如果小于bugp（蚂蚁正常选择）则从最大信息素城市中找一个作为下一个

否则（蚂蚁犯错误了，有木有感觉像退火算法里的允许犯错的那个函数）随机生成一个未访问过的点作为下一个（因为至少你要保证可行吧）

6，标记这个点被访问过

}

修改信息素，修改方式为原来信息素+Q/这条路径长度（Q为1个常数）

t++;

}

输出最优解。

［objc］ view plain copy#include 《stdio.h>

#include

#define T 1000//最大迭代次数

#define n 1000//蚂蚁数量

#define cities 10//城市数量

#define bugp 0.9//每一次选择操作的出错概率

#define alpha 0.1//每一次信息素的消失速率

#define Q 1

int start;

int biggest［cities］，biggestsum;//储存信息素最多时所对应的点（毕竟信息素最大值所对应的边不止一条，biggest记录下那些边的对应的终点，biggestsum为biggest的元素个数）

int distance［cities］［cities］;//城市的距离矩阵

double phe［cities］［cities］;//边所对应的信息素浓度（之所以选择边是因为点容易受到周围优秀的点的影响）

int ant;//蚂蚁当前所在点

int bugsum，bugTry［cities］;//出错时可供选择的城市数量和城市下标

int visit［cities］;//用来标记城市是否已经经过

int path［n］［cities+1］;//记录每一个蚂蚁所走过的城市

void initdistance（）

{

int i，j;

memset（distance，0，sizeof（distance））;

srand（time（NULL））;

for （i=0;i

for （j=i+1;j

{

distance［i］［j］=rand（）%100;

distance［j］［i］=distance［i］［j］;

}

printf（“城市的距离矩阵如下：\n”）;

for （i=0;i

{

for （j=0;j

printf（“%4d”，distance［i］［j］）;

printf（“\n”）;

}

int main（）

{

int i，j，k，p，t，n1，n2，r;

double d;

double max;//记录下最大信息素浓度

double sumdistance;

initdistance（）;//初始化城市矩阵

t=0;

for （i=0;i

for （j=0;j

phe［i］［j］=1;//初始化每一条边的信息素浓度

srand（time（NULL））;

for （i=0;i

path［i］［0］=rand（）%cities;//每一个蚂蚁随机在起点

while（t《T）

{

for （i=0;i

for （j=0;j

phe［i］［j］=phe［i］［j］*alpha;//每一次信息素逐渐消逝

for （i=0;i

{

start=path［i］［0］;//记录下起点

memset（visit，0，sizeof（visit））;//清零标记数组

visit［start］=1;

ant=start;

for （j=1;j

{

bugsum=biggestsum=max=0;

for （p=0;p

if （！visit［p］）

max=max>phe［ant］［p］？max:phe［ant］［p］;//寻找周围最大的信息素的那条边（其实是为了找到那个p点）

for （p=0;p

{

if （（max==phe［ant］［p］）&&（！visit［p］））

biggest［biggestsum++］=p;//记录下信息素浓度最大的点（注意一般不止一个点）

}

for （p=0;p

if （！visit［p］）

bugTry［bugsum++］=p;//记录下总共可供选择的点

d=rand（）%100;

d=d/100;

if （d

ant=biggest［rand（）%biggestsum］;//选择信息素最大的点

else//如果蚂蚁选择错误

ant=bugTry［rand（）%bugsum］;//只选择成立的点（未必最优）

visit［ant］=1;

path［i］［j］=ant;

}

//上面是每一只蚂蚁的选择，而一次全部选择后，更新信息素

for （i=0;i

{

sumdistance=0;

for （j=1;j

{

n1=path［i］［j-1］;

n2=path［i］［j］;

sumdistance=sumdistance+distance［n1］［n2］;

}

n1=path［i］［cities-1］;

n2=path［i］［0］;

sumdistance=sumdistance+distance［n1］［n2］;//注意要回到起点

for （j=1;j

{

n1=path［i］［j-1］;

n2=path［i］［j］;

phe［n1］［n2］=phe［n1］［n2］+Q/sumdistance;//更新信息素，注意因为信息素还要再次递减，所以就好比2进制的权，越靠近话语权越重

}

n1=path［i］［cities-1］;

n2=path［i］［0］;

phe［n1］［n2］=phe［n1］［n2］+Q/sumdistance;

}

t++;//这样迭代次数+1

}

max=999999;

for （i=0;i

{

sumdistance=0;

for （j=1;j

{

n1=path［i］［j-1］;

n2=path［i］［j］;

sumdistance=sumdistance+distance［n1］［n2］;

}

n1=path［i］［cities-1］;

n2=path［i］［0］;

sumdistance=sumdistance+distance［n1］［n2］;

if （sumdistance

{

max=sumdistance;

r=i;

}

printf（“最短路径为：%.4f\n”，max）;

printf（“路径为：\n”）;

for （i=0;i

printf（“%d ”，path［r］［i］）;//第r个蚂蚁是最优的

printf（“%d\n”，path［r］［0］）;

return 0;

}

蚁群算法解决tsp问题

总结：蚁群算法的关键在于信息素，而影响信息素的因素只有两个：蚂蚁选择这条路径的数量和时间的流逝（越往后，越是之前的信息素影响就越弱）。

同时注意虽然现实中蚂蚁是同时去找食物，但是在蚁群算法中蚂蚁出发却是有先后之分的，而所有的蚂蚁走完就视为一次迭代。

阅读全文

蚁群算法(13040) 蚁群算法(13040)
TSP(16803) TSP(16803)

NHLERE:应用蚁群算法的WSN路由算法

【摘要】：针对WSN中节点能量有限及节点间链路随机损耗特点,提出一种基于蚁群算法的用于无限传感器网络的路由算法-NHLERE,利用蚁群算法正反馈、分布式协作的特点,将距汇聚节点的跳数和链路质量信息

2010-04-24 10:05:19

蚁群算法在LEACH路由协议中的应用_段军

蚁群算法在LEACH路由协议中的应用_段军(不进系统没事进入系统电源自动断)-蚁群算法在LEACH路由协议中的应用_段军这是一份非常不错的资料，欢迎下载，希望对您有帮助！

2021-07-26 12:25:05

基于改进蚁群算法的水下无人机路径规划

2021-06-30 10:49:25

面向卫星网络拓扑生成的快速收敛蚁群算法

针对蚁群算法生成卫星网络拓扑时存在收敛速度慢、易陷亼局部最优解的问题，从卫星网络高动态以及大时空尺度的特性岀发，提岀一种新算法SNTG-ACA。在满足卫星节点的可见性、星间链路长度以及链路连接时间

2021-06-21 15:05:35

基于蚁群算法优化的虚拟机放置策略综述

2021-06-19 15:27:52

动态学习机制的双种群蚁群算法综述

2021-06-11 16:27:36

WSN的改进蚁群能量优化路由算法

无线传感器网络存在能耗不均的问题，且Sink节点周围的“热”节点会因负载重而过早死亡。针对该问题，提出一种改进蚁群的能量优化路由算法。在节点分布过程中，采用距离带、限制搜索角和距离因子相结合的方法

2021-06-08 11:32:09

基于改进聚类蚁群算法的TSP问题求解

随着旅行商问题（TSP）规模的増大，传统蚁群算法的运行时间会増大，算法的解精度也会降低，并且算法很容易陷入局部最优的情况。提岀的分层递进算法的思想源于分工合作的产品线组装流程，首先利用改进的密度峰聚

2021-06-04 11:23:17

基于改进蚁群算法的WSN源位置隐私保护方案

有效保护。针对现有WSN源位置隐私保护方案普遍存在的高延迟和高能耗问题，提出了一种基于改进蚁群算法的源位置隐私保护方案 EESLP-ACA（ Energy Efficient

2021-05-31 16:12:54

三位环境下改进的蚁群优化算法3D-ACO

为解决三维环境下无线传感器网络的K-栅栏覆盖问题，提出一种改进的蚁群优化算法3D-ACO。将三维表面映射到二维平面进行网格划分，通过计算网格梯度并引入空间权重及部署方向角来改进蚁群算法寻找最短

2021-05-11 14:39:07

基于蚁群算法的既有铁路线路优化设计

为了提高既有线路整正维修效率以及满足铁路快速发展对线路髙泙顺性的要求，结合蚁群算法在空间组合优化的优良性能，研究了基于蚁群算法的既有线平面多曲线整体整正优化设计方法。首先利用空间曲线拟合算法，结合

2021-05-07 16:14:21

基于状态信息的动态更新蚁群优化算法

针对传统多点中继（MPR）机制因使用贪心算法而导致求解集合冗余的问题，通过将蚁群优化算法与MPR机制相结合，提出一种基于状态信息的动态更新蚁群优化（ DUACO）算法。与传统状态更新机制相比，该算法

2021-04-29 11:32:30

关于机器人路径规划的改进烟花-蚁群混合算法

根据蚁群算法收敛速度较慢，易陷入局部最优等问题，提岀了一种改进烟花-蚁群（ improved fireworks- ant colony algo-thm，IFWA-ACO）混合算法，解决静态环境下

2021-04-16 13:55:42

采用多目标蚁群优化算法的主题爬虫方法

基于关键词匹配检索的传统搜索引擎爬全率和爬准率较低，而使用基于语义检索的主题爬虫方法容易偏离主题与陷入局部最优。针对该问题，提岀一种采用多目标蚁群优化算法的主题爬虫方法。构建主题爬虫领域本体和主题

2021-03-23 15:39:34

增强蚁群算法MATLAB程序的资料合集免费下载

本文档的主要内容详细介绍的是增强蚁群算法MATLAB程序的资料合集免费下载。

2020-08-06 08:00:00

TSP问题的蚁群算法资料合集免费下载

本文档的主要内容详细介绍的是TSP问题的蚁群算法资料合集免费下载。

2020-08-06 08:00:00

蚁群算法的代码和讲解免费下载

本文档的主要内容详细介绍的是蚁群算法代码免费下载，通过代码可以学习蚁群算法的计出理论知识，并且能直观的获得结果图像，并可以经行二次改进，使用到相应的应用场景当中去，比如WSNs中去。

2019-12-30 08:00:00

如何使用蚁群算法及博弈论进行多Agent路径规划算法的实现资料说明

针对多 Agent 路径规划问题，提出了一个两阶段的路径规划算法。首先，利用改进的蚁群算法来为每个Agent规划出一条从起始点到目标点，不与环境中静态障碍物碰撞的最优路径。在蚁群算法的改进中引入反向

2019-04-26 16:24:03

如何在障碍空间中基于并行蚁群算法进行k近邻查询

为解决障碍空间中的后近邻查询问题，提出一种基于改进的并行蚁群算法的五近邻查询方法（ PAQ）。首先，利用不同信息素种类的蚁群实现并行查询矗近邻；其次，增加时间因素作为路径长短的判断条件，以最直接

2019-03-27 13:39:45

基于蚁群算法的去中心化协议

2018年11月15日，在第二十届中国国际高新成果交易会（简称高交会）新产品新技术发布活动上，深圳市物芯智能科技有限公司发布其新品-基于蚁群算法的去中心化协议。 ADC（Ant Delete

2018-11-21 17:02:13

505

关于蚁群算法的改进优化（源程序）资料下载

蚁群算法的改进优化源程序已付加亲测可用

2018-04-23 14:31:54

蚁群算法的基本原理及其改进算法.ppt

2018-04-23 14:28:10

蚁群算法即相关代码实现详解—matlab之智能算法

本微博主要阐述了蚁群算法即相关代码实现详解。蚁群算法是近年来刚刚诞生的随机优化方法，它是一种源于大自然的新的仿生类算法.由意大利学者Dorigo最早提出，蚂蚁算法主要是通过蚂蚁群体之间的信息传递而达到寻优的目的。

2018-02-02 11:03:53

10442

蚁群算法python编程实现

本文主要介绍了Python编程实现蚁群算法详解，涉及蚂蚁算法的简介，主要原理及公式，以及Python中的实现代码，具有一定参考价值。

2018-02-02 10:36:42

6950

蚁群算法matlab程序代码

本文详细解析了关于蚁群算法matlab程序代码，具体步骤请看下文。

2018-02-02 10:21:21

37152

蚁群算法基本原理及其应用实例

蚁群算法是一种仿生学算法，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果

2018-02-02 09:44:15

89998

蚁群算法是什么能做什么_蚁群算法的优势在哪里？

蚁群算法是一种群智能算法，也是启发式算法。基本原理来源于自然界蚂蚁觅食的最短路径原理。

2018-02-02 09:12:10

27141

基于蚁群算法的PCB组装过程优化

组装的集成优化模型，对蚁群算法进行了改进，提出了相互通信的最大一最小蚂蚁算法，用两种不同职能的蚂蚁相互协作，以元件组装顺序来驱动供料器布置，引导蚂蚁实现元件贴装顺序的优化，而执行蚂蚁根据引导蚂蚁选择元件的结果来实现

2018-01-16 10:44:49

基于蚁群算法生成覆盖表

覆盖表生成问题是组合测试的重要研究内容之一，目前已有许多数学方法、贪心算法、搜索算法用于求解这一问题．蚁群算法作为一种能够有效求解组合优化问题的演化搜索算法，已被应用到求解覆盖表生成问题中．已有

2018-01-15 10:29:08

基于蚁群算法的抵御攻击信任管理模型

通过将网络节点推荐行为分析和网络恶意节点密度的自适应机制纳入信誉度评价过程，提出了基于蚁群算法的加强型可抵御攻击信任管理模型-EAraTRM，以解决传统信任模型因较少考虑节点的推荐欺骗行为而导致容易

2018-01-12 14:58:16

融合遗传和蚁群的证券组合投资优化

基于Markowitz资产组合理论，综合考虑证券投资的风险和收益，建立证券组合投资的多目标规划模型，融合遗传算法和蚁群算法应用于上述模型的求解。具体地，将具有快速全局搜索能力的遗传算法产生的问题初始

2018-01-12 13:57:28

基于快速连续蚁群算法的QoS切换决策机制

，在综合考虑网络信息的不确定性、用户服务质量需求、用户偏好、用户愿意支付的费用以及网络供应商的收益等因素的前提下，设计了基于快速连续蚁群算法的切换决策机制，并引入协商博弈和Nash均衡思想来解决用户之间的串谋问

2018-01-04 14:56:52

对等网络中改进蚁群智能搜索算法研究

为了提高蚁群算法在P2P网络资源搜索中存在搜索盲目、搜索效率低的问题，论文将多态蚁群算法和应用到了P2P网络搜索。针对搜索一段时间后网络中发起的对新的文件请求，引入合成信息素的概念，以减少搜索初始

2018-01-03 15:47:34

基于Spark的并行蚁群优化算法

蚂蚁构造解过程的并行化。通过在旅行商问题（TSP）求解的仿真实验结果说明了所提出的并行算法的可行性；并在同等实验环境下对比基于MapReduce的蚁群优化算法，优化速度提升达10倍以上。

2018-01-02 14:11:58

基于剩余能量动态调整前后角度的蚁群路由算法

无线传感器网络（ WSN）路由是影响网络寿命的重要因素。关键节点多次通信带来大量能耗，极易导致网络过早瘫痪。针对网络部分关键节点能耗过快问题，提出一种基于下一跳节点剩余能量动态调整前向角度的蚁群路由

2017-12-25 16:46:46

TSP的骨架算法综述

将近半个世纪的发展，逐步形成了模拟烧草模型、基于距离变换以及voronoi图等用于图形检索、路径导航等图形学难题的有效算法。骨架算法在图形学上的成功，引起学术界的广泛关注。1995年Boese教授将骨架概念引入TSP研究领域，1998年Monasson等讨论

2017-12-13 17:14:56

改进蚁群算法求解多约束服务质量路由

针对目前多数改进蚁群算法求解多约束服务质量路由（ QoSR）存在收敛速度慢、易陷入局部最优从而效率不高的问题，提出一种引入梯度下降的蚁群算法（ ACAGD）。该算法将梯度下降法引入到蚁群的局部搜索中

2017-12-05 15:28:23

一种改进信息素二次更新局部优化蚁群算法

针对蚁群（ACO）算法收敛速度慢、容易陷入局部最优的缺陷，提出了一种改进信息素二次更新局部优化蚁群算法（IPDULACO）。该算法对蚁群搜索到的当前全局最优解中路径贡献度大于给定的路径贡献阈值的子路

2017-12-01 17:13:34

基于粒子群和蚁群优化的合作伙伴选择算法

针对供应链合作伙伴选择的准确性和效率问题，提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型，构造多目标规划模型。利用改进的离散型粒子群算法，求取伙伴选择

2017-11-30 17:22:15

基于人工蜂群的连续域蚁群优化算法

连续域蚁群优化算法是蚁群优化算法的一个重要研究方向，针对连续域蚁群优化算法计算时间较长、易陷入局部最优的问题，提出了一种基于人工蜂群的连续域蚁群优化算法。首先，引入一种替代机制来选择指导解，以替换

2017-11-29 17:36:09

基于蚁群算法的迭代思想的信息素更新规则

针对蚁群算法收敛速度慢的问题，对蚁群算法信息素更新规则进行研究，提出一个基于迭代思想的信息素更新规则。对信息残留因子进行实验，确定在新的信息素更新规则下信息素挥发系数的最佳合理值。最后针对eiisi

2017-11-17 17:30:18

基于蚁群算法的生物双序列比对并行化方案

了基于蚁群算法的双序列比对并行化方案。对耗时最多的搜索比对路径和信息素更新两个步骤给出了基于共享内存模型的并行化方法。天河二号上OpenMP实验结果表明，8线程并行情况下，加速比可达5. 03，且序列越长性能越高。

2017-11-17 15:21:47

一种改进的蚁群算法对粮食物流配送路径优化

为了有效地降低粮食的运输成本，提出了一种改进的蚁群算法对粮食物流配送路径进行优化。该算法通过改进蚂蚁的转移规则、初始化信息素和全局信息素以及增加各条路径信息量调整的局部更新规则。仿真实验结果表明

2017-11-10 11:20:54

基于蚁群优化的任务负载均衡调度算法

随着云计算的蓬勃发展，针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题，提出了一种基于蚁群优化的任务负载均衡调度算法（WLB-ACO）。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态

2017-11-09 14:40:19

基于禁忌搜索的蚁群算法解决焦炉推焦优化调度问题

对归结为TSP问题的焦炉推焦优化调度模型进行求解，但传统蚁群算法容易过早的陷入局部最优的状态，且会发生停滞的状况，产生收敛速度与最优解之间的矛盾．，本文采用基于禁忌搜索的蚁群优化算法对焦炉推焦优化调度模型求解，实

2017-11-07 16:08:55

基于蚁群算法的计算机网络路由优化模式

文中针对由于现代计算机网络的快速发展而导致的信息丢包、数据传输延迟的问题，给出了问题优化描述和降低网络消耗的蚁群算法框架，以解决计算机网络路由优化问题。并对蚁群算法进行改进，改变传统蚁群的状态转移

2017-11-06 10:41:25

改进蚁群算法的飞机冲突解脱路径规划方法_倪壮

2017-03-19 19:04:39

蚁群算法实现求解TSP问题_郝春梅

蚁群算法实现求解TSP问题_郝春梅

2017-03-19 11:45:57

蚁群算法在数据挖掘分类中的研究_熊斌

2017-03-19 11:45:57

改进蚁群算法的机器人焊接路径规划_王春华

2017-03-19 11:41:39

基于多目标蚁群优化的交通路径优化研究_项前

2017-03-17 15:54:23

基于蚁群算法的动态人员疏散模拟陈庆全

基于蚁群算法的动态人员疏散模拟_陈庆全

2017-03-15 08:00:00

基于MapReduce改进蚁群算法的Web服务组合优化_颉斌

2017-02-27 17:42:20

云环境下基于动态蚁群遗传算法的调度方法研究_尚志会

2017-01-30 23:17:31

基于改进蚁群算法的云计算任务调度研究

基于改进蚁群算法的云计算任务调度研究_张海玉

2017-01-08 14:47:53

改进遗传蚁群算法及其在电机结构优化中的研究_谢颖

2017-01-08 12:03:28

杂草_蚁群算法在应急管理中的应用

杂草_蚁群算法在应急管理中的应用_曹磊

2017-01-07 20:49:27

基于蚁群智能的移动社会网络路由算法

基于蚁群智能的移动社会网络路由算法_曹峥_朱艳琴

2017-01-07 19:08:43

基于蚁群优化的无线传感器网络数据融合算法

基于蚁群优化的无线传感器网络数据融合算法_李丽

2017-01-07 19:00:39

蚁群算法在风电机组变桨控制中的应用

蚁群算法在风电机组变桨控制中的应用_邓宁峰

2017-01-05 15:34:14

蚁群算法在文本聚类中的应用研究

蚁群算法在文本聚类中的应用研究_张海涛

2017-01-03 17:41:58

基于改进蚁群算法的服务器集群资源调度研究

基于改进蚁群算法的服务器集群资源调度研究_刘万军

2017-01-03 17:41:32

模拟退火算法及其在求解TSP中的应用

模拟退火算法及其在求解TSP中的应用，下来看看

2016-07-20 16:51:51

旅行商问题_TSP算法的比较

旅行商问题_TSP_算法的比较，下来看看。

2016-07-20 16:51:51

先进算法讲义

各种算法的，如：神经网络。蚁群算法，等一些先进算法。

2016-05-19 14:31:12

蚁群算法及其应用

该论文讲解介绍了蚁群算法的定义及其应用。

2015-12-25 15:03:51

基于蚁群算法的纺织企业生产调度技术研究

针对如何实现纺织企业车间资源合理配置，有效解决生产调度管理问题的目的，采用了基于蚁群算法对复杂工况下的纺织企业织造工序的排产过程进行研究，通过将其转化为蚁群的寻址方式后，建立了织造工序排产和调度的蚁群算法模型。

2015-12-24 16:05:25

基于蚁群算法PID控制器的应用研究

传统的PID控制对于控制模型不确定并具有非线性特性的对象时，存在参数难以整定、控制效果不好的缺点，文中提出了一种基于蚁群算法的PID调节算法，即利用蚁群算法动态调节PID的参

2012-10-10 14:43:35

基于遗传变异蚁群算法的机器人路径规划的改进

针对基本蚁群算法在机器人路径规划问题中容易陷入局部最优的问题，提出了一种改进的蚁群算法，利用遗传算法加入了变异因子使最优路径产生变异，从而降低了蚁群算法陷入局部极

2012-08-29 14:48:36

一种多约束条件下路径规划算法研究

针对目前导航系统中重要的多约束条件下路径规划功能，结合A*算法和蚁群算法提出一种新的不确定算法，该算法首先将多约束条件进行融合使其适合蚁群转移，并在基本蚁群算法基础

2012-06-07 08:56:53

TSP的改进QPSO算法

针对TSP的特点，通过建立交换子、交换序的运算法则，对基本QPSO算法进行了改造，同时引入了遗传算法中的变异，提出了TSP的改进QPSO算法。

2011-05-25 16:57:44

基于蚁群算法的电力线通信组网模型研究

作为通信介质用的低压配电网的物理拓扑和逻辑拓扑会发生不断变化，这种动态变化对电力线载波通信的组网方式提出了更高的要求。本文提出了基于蚁群算法的自动路由技术，通过仿

2011-03-22 23:36:39

基于云模型的参数自适应蚁群遗传算法

摘要：蚁群算法基于正反馈机制进行全局搜索，具有很强的全局收敛能力；遗传算法具有极强的快速全局搜索能力。为了充分发挥两种算法在寻优过程中的优势，提出一种基于正态云关联规则的自适应参数调节蚁群遗传算法。该算法利用云关联规则实现了蚁群策略和遗

2011-02-23 15:58:51

基于蚁群算法的非结构化P2P网络搜索的改进

针对非结构化的对等网络一般以广播方式作为其搜索的基本策略而引发较大的网络流量和盲目性这一问题,引入人工智能领域的蚁群算法,利用蚂蚁信息素的多样性和正反馈机制,有效

2010-10-25 17:08:27

基于蚁群算法的可信网络路由

针对不同的网络实际条件，提出一种基于蚁群算法的可信网络路由算法，以寻找网络中任意2个节点间的最优路由。在将链路带宽使用情况作为影响路由重组结果可信度的因素时，同

2010-09-12 10:31:34

基于改进蚁群算法的出租车路径规划算法

交通资源规划是一种比较典型的组合优化问题,新型的仿生算法——蚁群算法,由于具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决交通资源规划问题。针对出租车

2010-09-01 09:42:04

混沌蚁群设计的神经网络速度辨识器技术

本文将混沌引入到蚁群算法(Ant Colony Optimization，ACO)当中，以形成混沌蚁群算法(Chaos Ant Colony Optimization，CACO)，从而提高了对于BP神经网络的优化效率和精度，解决了上述问题；同时，

2010-06-11 11:36:44

1970

多目标优化问题的连续域蚁群算法仿真研究

本文研究了一种用于求解带有多个约束条件(multi-objective optimization problem,MOP)的连续域蚁群算法。该算法定义了连续域中信息量的留存方式和蚂蚁的行走策略,并将信息素交流和基于全

2010-02-21 11:12:37

Hopfield网络求解TSP两种改进算法的仿真研究

Hopfield网络求解TSP两种改进算法的仿真研究 1 引言用Hopfield神经网络求解旅行商问题(TSP)，给组合优化完备性问题的求解提供新的方法。但该算法会经常

2009-12-24 17:24:27

1547

已全部加载完成

搜索历史

蚁群算法解决tsp问题

评论