主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
朱庆保,杨志军.基于变异和动态信息素更新的蚁群优化算法.软件学报,2004,15(2):185-192
基于变异和动态信息素更新的蚁群优化算法
An Ant Colony Optimization Algorithm Based on Mutation and Dynamic Pheromone Updating
投稿时间:2002-12-19  修订日期:2003-06-20
DOI:
中文关键词:  蚁群优化  最近邻居  动态信息素更新  变异算法
英文关键词:ant colony optimization  nearest neighbour  dynamic pheromone updating  mutation algorithm
基金项目:ant colony optimization;nearest neighbour;dynamic pheromone updating;mutation algorithm
作者单位
朱庆保 南京师范大学,计算机科学系,江苏,南京,210097 
杨志军 爱丁堡大学,电子工程系,EH9 3JL,英国 
摘要点击次数: 3473
全文下载次数: 4265
中文摘要:
      尽管蚁群优化算法在优化计算中已得到了很多应用,但在进行大规模优化时,其收敛时间过长仍是应用该算法的一个瓶颈.为此,提出了一种高速收敛算法.该算法采用一种新颖的动态信息素更新策略,以保证在每次搜索中,每只蚂蚁都对搜索做出贡献;同时,还采取了一种独特的变异策略,以对每次搜索的结果进行优化.计算机实验结果表明,该算法与最新的改进蚁群优化算法相比,其收敛速度提高了数十倍乃至数百倍以上.
英文摘要:
      Despite the numerous applications of ACO (ant colony optimization) algorithm in optimization computation, it remains a computational bottleneck that the ACO algorithm costs too much time in order to find an optimal solution for large-scaled optimization problems. Therefore, a quickly convergent version of the ACO algorithm is presented. A novel strategy based on the dynamic pheromone updating is adopted to ensure that every ant contributes to the search during each search step. Meanwhile, a unique mutation scheme is employed to optimize the search results of each step. The computer experiments demonstrate that the proposed algorithm makes the speed of convergence hundreds of times faster than the latest improved ACO algorithm.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利