[1]王 铁,胡 泓.基于 Ｋ- ｍｅａｎｓ信息挥发速率动态调整的 改进蚁群算法[J].机械与电子,2020,(02):25-29.
　.An Improved Ant Colony Algorithm Based on K-means and Dynamic Volatility Rate Adjustment Strategy[J].Machinery & Electronics,2020,(02):25-29.
点击复制

基于 Ｋ- ｍｅａｎｓ信息挥发速率动态调整的 改进蚁群算法()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2020年02期
页码:
25-29
栏目:
设计与研究
出版日期:
2020-02-24

文章信息/Info

Title:
An Improved Ant Colony Algorithm Based on K-means and Dynamic Volatility Rate Adjustment Strategy
文章编号:
1001-2257(2020)02-0025-05
作者:
王 铁; 胡 泓
哈尔滨工业大学（深圳），广东 深圳 ５１８０５５
Author(s):
ＷＡＮＧＴｉｅ; ＨＵＨｏｎｇ
ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｓｈｅｎｚｈｅｎ５１８０５５，Ｃｈｉｎａ
关键词:
蚁群算法; ＴＳＰ; Ｋ- ｍｅａｎｓ; 信息素
Keywords:
：ａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ; ＴＳＰ; Ｋ- ｍｅａｎｓ; ｐｈｅｒｏｍｏｎｅ
分类号:
TP273
文献标志码:
A
摘要:
针对蚁群算法在求解 ＴＳＰ问题时，存在容易陷入局部最优，收敛速度慢，且求解时间较长的问 题，提出了一种基于 Ｋ- ｍｅａｎｓ与信息挥发速率动态调整策略的改进蚁群算法，利用 Ｋ- ｍｅａｎｓ聚类算法将 大规模 ＴＳＰ问题分解为数个子问题。在城市选择上，加入轮盘赌规则，对信息素更新规则进行了改进，每轮 迭代时动态调整信息挥发速率。实验表明，相比蚁群算法，改进算法避免了求解陷入局部最优解，加快了算 法的收敛。
Abstract:
ＷｈｅｎｓｏｌｖｉｎｇＴＳＰｐｒｏｂｌｅｍ，ｔｈｅａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍｈａｓｔｈｅｐｒｏｂｌｅｍｔｈａｔｉｔｉｓｅａｓｙｔｏｆａｌｌ ｉｎｔｏｔｈｅｌｏｃａｌｏｐｔｉｍｕｍ，ｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄｉｓｆｕｌｌ，ａｎｄｔｈｅｓｏｌｖｉｎｇｔｉｍｅｉｓｌｏｎｇ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｍ ｐｒｏｖｅｄａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎＫ ｍｅａｎｓａｎｄｄｙｎａｍｉｃｖｏｌａｔｉｌｉｔｙｒａｔｅａｄｊｕｓｔｍｅｎｔｓｔｒａｔｅｇｙｉｓｐｒｏ ｐｏｓｅｄ．ＴｈｅＫ ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｌａｒｇｅ ｓｃａｌｅＴＳＰｐｒｏｂｌｅｍｉｎｔｏｓｅｖｅｒａｌｓｕｂ ｐｒｏｂｌｅｍｓ．Ｉｎｔｈｅｃｉｔｙｓｅｌｅｃｔｉｏｎ，ｔｈｅｒｏｕｌｅｔｔｅｒｕｌｅｓｗｅｒｅａｄｄｅｄ，ｔｈｅｐｈｅｒｏｍｏｎｅｕｐｄａｔｅｒｕｌｅｓｗｅｒｅｉｍ ｐｒｏｖｅｄ，ａｎｄｔｈｅｉｎｆｏｒｍａｔｉｏｎｖｏｌａｔｉｌｉｚａｔｉｏｎｒａｔｅｗａｓｄｙｎａｍｉｃａｌｌｙａｄｊｕｓｔｅｄｄｕｒｉｎｇｅａｃｈｉｔｅｒａｔｉｏｎ．Ｅｘｐｅｒｉ ｍｅｎｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ，ｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍａｖｏｉｄｓｔｈｅｓｏｌｕｔｉｏｎｔｏ ｔｈｅｌｏｃａｌｏｐｔｉｍａｌｓｏｌｕｔｉｏｎａｎｄａｃｃｅｌｅｒａｔｅｓｔｈｅｃｏｎｖｅｒｇｅｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍ．

参考文献/References:

［１］ 于莹莹，陈燕，李桃迎．改进的遗传算法求解旅行商问 题［Ｊ］．控制与决策，２０１４（８）：１４８３- １４８８． ［２］ ＣＥＫＭＥＺ Ｕ，ＯＺＳＩＧＩＡＮ Ｍ，ＳＡＨＩＮＧＯＺＯ Ｋ．Ａ ｄａｐｔｉｎｇｔｈｅＧＡａｐｐｒｏａｃｈｔｏｓｏｌｖｅｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎ ｐｒｏｂｌｅｍｓｏｎ ＣＵＤＡ ａｒｃｈｉｔｅｃｔｕｒｅ［Ｍ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ ＣｏｍｐｕｔａｔｉｏｎａｌＩｎｔｅｌｌｉｇｅｎｃｅａｎｄＩｎｆｏｒ ｍａｔｉｃｓ．ＮｅｗＹｏｒｋ：ＩＥＥＥ，２０１３：４２３- ４２８． ［３］ 杜鹏桢，唐振民，孙研．一种面向对象的多角色蚁群算 法及其 ＴＳＰ 问 题 求 解 ［Ｊ］．控 制 与 决 策，２０１４（１０）： １７２９- １７３６． ［４］ 徐利超，张世武．基于改进蚁群算法的障碍环境下路 径规划研究［Ｊ］．机械与电子，２０１３（７）：６１- ６４． ［５］ 李擎，张超，陈鹏，等．一种基于粒子群参数优化的改 进蚁群算法［Ｊ］．控制与决策，２０１３（６）：８７３- ８７８． ［６］ ＭＡＨＩＭ，ＢＡＹＫＡＮＯＫ，ＫＯＤＡＺＨ．Ａｎｅｗｈｙｂｒｉｄ ｍｅｔｈｏｄｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｔｃｏｌ ｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｎｄ３ Ｏｐｔａｌｇｏｒｉｔｈｍｓｆｏｒｔｒａｖｅｌｉｎｇ ｓａｌｅｓｍａｎｐｒｏｂｌｅｍ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，２０１５， ３０：４８４- ４９０． ［７］ 石红国，饶煜，郭寒英．基于 Ｈｏｐｆｉｅｌｄ神经网络求解较 大规模 ＴＳＰ的新方法［Ｊ］．综合运输，２０１８，４０（１０）： ７７- ８２． ［８］ 吴华锋，陈 信 强，毛 奇 凰，等．基 于 自 然 选 择 策 略 的 蚁群算法求解 ＴＳＰ问题 ［Ｊ］．通 信 学 报，２０１３（４）： １６５- １７０． ［９］ 杜鹏桢，唐振民，孙研．一种面向对象的多角色蚁群算 法及其 ＴＳＰ 问 题 求 解 ［Ｊ］．控 制 与 决 策，２０１４（１０）： １７２９- １７３６．

相似文献/References:

[1]谢智慧,卢道华,王 佳,等.基于改进蚁群算法的机器人路径规划问题研究[J].机械与电子,2019,(06):70.
　,,et al.Research on Robot Path Planning Problem Based on Improved Ant Colony Algorithm[J].Machinery & Electronics,2019,(02):70.
[2]李孟锡,何博侠,周 俣.基于A*和蚁群算法的移动机器人多目标路径规划方法[J].机械与电子,2021,(06):61.
　LI Mengxi,HE Boxia,ZHOU Yu.Multi-target Path Planning Method for Mobile Robot Based on A* and Ant Colony Algorithm[J].Machinery & Electronics,2021,(02):61.
[3]李 鹏,闵小翠,王建华.基于改进蚁群算法的巡检机器人避障路径规划方法设计[J].机械与电子,2022,(02):71.
　LI Peng,MIN Xiaocui,WANG Jianhua.Design of Obstacle Avoidance Path Planning Method for Inspection Robot Based on Improved Ant Colony Algorithm[J].Machinery & Electronics,2022,(02):71.
[4]刘少博,陈 丽,徐 鹏.基于 PID 技术的精密空调压缩机柔性控制节能系统设计[J].机械与电子,2022,(11):25.
　LIU Shaobo,CHEN Li,XU Peng.Design of Flexible Control Energy-saving System of Precision Air-conditioning Compressor Based on PID Technology[J].Machinery & Electronics,2022,(02):25.
[5]张 华.基于非线性优化算法的工业机器人轨迹跟踪自动控制[J].机械与电子,2023,41(04):55.
　ZHANG Hua.Automatic Trajectory Tracking Control of Industrial Robot Based on Nonlinear Optimization Algorithm[J].Machinery & Electronics,2023,41(02):55.

备注/Memo

备注/Memo:
收稿日期：２０１９- １０- １２ 作者简介：王 铁 （１９９５－），男，湖北宜昌人，硕士研究生，研究方向为机电一体化；胡 泓 （１９６５－），男，重庆人，教授，研究方向为机 电一体化、精密仪器测试和自动化控制。
更新日期/Last Update: 2020-03-11