针对蚁群算法容易陷入局部最优,收敛速度慢,难以解决大规模问题,提出依据信息熵和停滞次数的动态信息素的更新策略和基于最优路径集合的奖惩策略的蚁群算法,在动态信息素更新策略中,利用收敛系数来动态调节信息素,从而有效的平衡算法的多样性和收敛性.在搜索过程中,通过持续增大收敛系数,加快了收敛速度;当信息熵降低或者停滞次数达到一定数值时,通过降低收敛系数,从而跳出局部最优.同时基于最优路径集合,对较优路径奖励,对其他路径惩罚,通过减少蚂蚁每一步可选城市的数量,加快了收敛速度.并且使用三种局部优化方法,从而进一步提高解的精度.经过实验测试,该算法用于解决旅行商 TSP(Travelling Salesman Problem)问题,具有较高的求解精度,并能有效平衡解的精度和收敛速度的矛盾.
2022-09-22 19:07:21
1.23MB
1
1、动态规划的常用名词
2、最优化原理
3、什么是动态规划
4、动态规划适于解决什么样的问题
5、用动态规划解题的好处
2022-09-17 18:18:18
763KB
1
广工操作系统实验（内含源码、可执行文件以及相关的说明文档）
1、进程调度实验（含多级反馈队列算法、最高优先数优先算法、时间片轮转算法、先进先出等）
2、作业调度
3、存储管理实验（动态分配存储管理算法）
4、文件管理
5、银行家算法
6、页面置换算法（最佳页面置换算法、先进先出置换算法、最近最久未使用算法）
7、磁盘调度算法（先来先服务算法（FCFS）、最短寻道时间算法（SSTF）、扫描算法（SCAN）、循环扫描算法（CSCAN））
2022-07-13 11:00:49
18.2MB