蚁群算法(ant colony algorithm,ACA)是由意大利学者M.Dorigo等人于20世纪90年代初提出的一种新的模拟进化算法，其真实地模拟了自然界蚂蚁群体的觅食行为。M.Dorigo等人将其用于解决旅行商问题(traveling salesman problem,TSP),并取得了较好的实验结果。 近年来，许多专家学者致力于蚁群算法的研究，并将其应用于交通、通信、化工、电力等领域，成功解决了许多组合优化问题，如调度问题(job-shop scheduling problem)、指派问题(quadratic assignment problem)、旅行商问题(traveling salesman problem)等。
2024-06-11 02:57:18
2KB
1
该存储库使用温度并行模拟退火(TPSA)解决旅行商问题 (TSP )。TPSA 是一种模拟退火方法的并发算法
效果展示：https://user-images.githubusercontent.com/24369487/81168922-e4a2cc80-8fd2-11ea-9c4d-1ab99b36e361.gif
输入
输入数据是指数据目录中的一个文件。在 TSPLIB 中存储一些数据。
输出
TPSA 求解结果和 TSPLIB 精确求解结果输出如下。
更多详情、使用方法，请下载后阅读README.md文件
2022-06-22 09:05:27
12KB
针对标准蚁群算法易于出现早熟停滞现象，提出了一种自适应多态免疫蚁群算法（adaptive polymorphic immune ant colony algorithm，PIACA）。通过设置多种状态蚁群及引入自适应多态蚁群竞争机制，PIACA算法能有效抑制收敛过程中的早熟停滞现象。将禁忌表中每只蚂蚁走过的路径视为抗体，对抗体运用局部最优搜索算法和免疫克隆选择算法进行高效优化，提高了解的质量。针对TSP实验结果表明，该算法在收敛速度及求解精度上均取得到了较好的效果。
2022-04-07 15:10:04
887KB
1
基于动态粒子群算法的TSP求解
基于动态粒子群算法的TSP求解
基于动态粒子群算法的TSP求解
基于动态粒子群算法的TSP求解
2021-04-06 10:32:24
4KB
1