基于云模型的参数自适应蚁群遗传算法

Journal of Systems Engineering and Electronics ›› 2009, Vol. 31 ›› Issue (7): 1763-1766.

基于云模型的参数自适应蚁群遗传算法

牟峰¹, 王慈光¹, 袁晓辉², 薛锋¹

1. 西南交通大学交通运输学院, 四川, 成都, 610031;
2. 西南交通大学信息科学与技术学院, 四川, 成都, 610031

收稿日期:2008-05-05 修回日期:2008-09-03 出版日期:2009-07-20 发布日期:2010-01-03
作者简介:牟峰(1980- ),男,博士研究生,主要研究方向为组合优化,统计分析,不确定性分析,运输组织优化,交通运输系统工程.E-mail:circleone1980@hotmail.com
基金资助:
国家自然科学基金资助课题(60776824)

ACGA with adapting parameters based on cloud models

MU Feng¹, WANG Ci-guang¹, YUAN Xiao-hui², XUE Feng¹

1. Coll. of Traffic and Transportation, Southwest Jiaotong Univ., Chengdu 610031, China;
2. School of Information Science & Technology, Southwest Jiaotong Univ., Chengdu 610031, China

Received:2008-05-05 Revised:2008-09-03 Online:2009-07-20 Published:2010-01-03

摘要/Abstract

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传策略的有效融合,极大程度地发挥其整体功能,动态地平衡了算法收敛速度和搜索范围之间的矛盾,最后通过实例证明了其在解决TSP问题时的有效性。

Abstract: The ant colony algorithm(ACA) has a good global convergence capability by using the mechanism of positive feedback,while genetic algorithm(GA) has a capacity for performing global searches and being quick.CACGA(ant colony-genetic algorithm with adapting parameters based on cloud models) is proposed to take advantage of good qualities of the two optimization algorithms more completely.CBACGA makes the ant colony strategy and the genetic strategy to be fused ingeniously through the cloud association rule,which can utilize the whole function of the algorithm effectively and can dynamically appease the contradiction between the convergent speed and the searching scope.The simulation result for TSP shows its validity.

中图分类号:

TP18

牟峰, 王慈光, 袁晓辉, 薛锋. 基于云模型的参数自适应蚁群遗传算法[J]. Journal of Systems Engineering and Electronics, 2009, 31(7): 1763-1766.

MU Feng, WANG Ci-guang, YUAN Xiao-hui, XUE Feng. ACGA with adapting parameters based on cloud models[J]. Journal of Systems Engineering and Electronics, 2009, 31(7): 1763-1766.

[1]	王玉佳, 方伟, 徐涛, 余应福, 邓博元. 基于遗传模糊树的海空对抗无人机智能决策模型[J]. 系统工程与电子技术, 2022, 44(12): 3756-3765.
[2]	张寒, 黄炎焱, 耿泽, 张振. 营区突发事件应急保障方案仿真推演评估方法[J]. 系统工程与电子技术, 2022, 44(11): 3433-3442.
[3]	汪瀚洋, 陈亮, 徐海, 白景波. 基于MOEA/D-ARMS的无人机在线航迹规划[J]. 系统工程与电子技术, 2022, 44(11): 3505-3514.
[4]	张俊, 张新禹, 姜卫东, 刘永祥, 黎湘. 基于广义近似消息传递的快速DOA估计方法[J]. 系统工程与电子技术, 2022, 44(10): 2995-3002.
[5]	曾斌, 张鸿强, 李厚朴. 针对无人潜航器的反潜策略研究[J]. 系统工程与电子技术, 2022, 44(10): 3174-3181.
[6]	万齐天, 卢宝刚, 赵雅心, 温求遒. 基于深度强化学习的驾驶仪参数快速整定方法[J]. 系统工程与电子技术, 2022, 44(10): 3190-3199.
[7]	刘戎翔, 吴琳, 谢智歌, 刘虹麟. 基于生成对抗网络的防空体系态势辅助分析[J]. 系统工程与电子技术, 2022, 44(8): 2522-2529.
[8]	辛立强, 张超, 赵灵芝, 刘建平. 面向复杂关联测控需求的冲突规避调度算法[J]. 系统工程与电子技术, 2022, 44(5): 1581-1588.
[9]	何立, 沈亮, 李辉, 王壮, 唐文泉. 强化学习中的策略重用: 研究进展[J]. 系统工程与电子技术, 2022, 44(3): 884-899.
[10]	王姝婷, 刘晓冰, 周军华, 白朝阳, 翟翔. 基于本体的复杂产品维修工程案例知识表示及重用方法[J]. 系统工程与电子技术, 2022, 44(2): 557-568.
[11]	马玉凤, 向南, 豆亚杰, 姜江, 杨克巍, 谭跃进. 军事系统工程中的知识图谱应用及研究[J]. 系统工程与电子技术, 2022, 44(1): 146-153.
[12]	张国令, 吴崇明, 李睿, 来杰, 向前. 基于一维堆叠池化融合卷积自编码器的HRRP目标识别方法[J]. 系统工程与电子技术, 2021, 43(12): 3533-3541.
[13]	冯建鑫, 王雅雷, 王强, 胥彪. 基于改进粒子群算法的快速反射镜自抗扰控制[J]. 系统工程与电子技术, 2021, 43(12): 3675-3682.
[14]	赵辰豪, 吴德伟, 韩昆, 朱浩男, 代传金. 基于多尺度网格细胞的路径整合模型[J]. 系统工程与电子技术, 2021, 43(10): 2961-2967.
[15]	程恺, 陈刚, 余晓晗, 刘满, 邵天浩. 知识牵引与数据驱动的兵棋AI设计及关键技术[J]. 系统工程与电子技术, 2021, 43(10): 2911-2917.