连续域蚁群优化算法的研究及其应用

摘要

蚁群算法由意大利学者M．Dorigo最早提出，在解决传统的NP难问题上取得了比较好的成果。蚁群算法是最新发展的一种模拟蚂蚁行为的仿生优化算法，目前，在理论和应用上都取得了很大进展，成为蓬勃发展的热点研究课题。 由于蚁群算法通常用于解决离散组合优化问题，在连续域的研究相对较少。本文对基本蚁群算法框架进行了改进，采用信息素轮盘赌选择代替了基本框架中通过启发式函数和信息素来选择路径，同时对信息素的更新方式也作出调整，提出了一种新的蚁群算法，使得其更适合解决连续函数问题。 本文将这种改进的蚁群算法应用于带有约束条件的连续函数问题中，在典型实例中进行仿真测试，实验证明，本文提出的改进蚁群算法可以很好的解决带有约束条件的连续函数问题，并能迅速找到最优解。在改进的蚁群算法基础之上，又进一步增加了基于非均匀的随机搜索的步骤，在同样的实例中进行仿真测试，实验证明，这种改进能使得算法找到更好的解。

目录

文摘

英文文摘

声明

第1章 绪论

1.1引言

1.2蚁群算法的国内外研究现状

1.3本文的主要工作

1.4本文的组织结构

第2章 基本蚁群算法综述

2.1基本蚁群算法的描述

2.2蚁群算法的特点

2.3改进的蚁群系统及ACO介绍

2.4蚁群算法的应用

2.5本章小结

第3章 连续域蚁群算法的研究

3.1引言

3.2连续域蚁群算法

3.3改进蚁群算法求解连续域问题

3.4本章小结

第4章 改进的蚁群算法解决连续函数约束优化问题

4.1引言

4.2带约束的连续函数

4.3改进的蚁群算法

4.4本章小结

第5章 仿真实验

5.1实例测试

5.2实验环境

5.3数值仿真与分析

第6章 总结与展望

6.1总结

6.2展望

参考文献

硕士期间发表论文

致谢