- 在线时间
- 7 小时
- 最后登录
- 2012-3-15
- 注册时间
- 2011-5-31
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 45 点
- 威望
- 0 点
- 阅读权限
- 20
- 积分
- 22
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 16
- 主题
- 5
- 精华
- 0
- 分享
- 0
- 好友
- 0
升级   17.89% 该用户从未签到
 |
1体力
300元求帮助测试数据 蚁群算法测试TSP和VRP两个问题。
+ E. o3 H, s2 e. P哪位学兄,如能请联系我,手机:15042530646,QQ:691432387( D! [# B* R' p& v1 ]" z
8 r0 D5 v: C: b- M ?9 X+ t" X& w
仿 真 任 务9 L( J$ ~: Z: g1 h
一、TSP问题 b- p) R% f3 K+ o, ?( [/ J
任务1:TSP问题 Eil51和Eil76:参数的选定如下:改进蚁群算法:α=1,β=5,ρ=0.5,Q=100. (见“参考答案”文件中 ),也可取另外的值,结果要较基本算法更优。循环NCmax=1000代。
! u& ~% B+ t- ~" ?# }! u. o& V
% N4 F8 C3 T4 w* @! D( K任务2: 中国31省会城市TSP问题,参数也可取另外的值,结果要较基本算法更优。(见“参考答案”文件中5 ) 取第250代信息素浓度图。4 r' r# e9 I% g! c0 c- {. u5 x
! G, G/ {6 r$ k; @7 Z任务3:TSP问题oliver30问题参数的选定参照参考答案4 ,也可取另外的值,结果要较基本算法更优。循环NCmax=1000,取达到最优值的所需代数。取第150代信息素浓度图。; z) [, ~$ @4 \$ |5 H: q" f
% O- L0 A6 c* \4 |任务4:50个城市的TSP Benchmark问题,请代为找源数据。(见“参考答案”文件中6 )
4 [& U8 T' W3 n+ N( P0 x5 ]# @- P0 k6 @" p3 d( V) g
任务5: 30城市TSP问题 见 李士勇 《蚁群算法及其应用》 哈工大出版社 P65
: p# ]9 x( `0 d+ b/ B ^
+ x, C5 F7 v! e8 l1 s* Y2 k) J& n3 a- w' p: Q2 r( |, c4 d+ n7 J/ u
二、VRP问题
$ ~1 }1 ^: v/ P8 T9 W8 U: J: Q% m. |任务1:eil22:已知有客户 ,各客户坐标位置点及需求量已知,各车辆载重Q=6000。初始参数设置为m=20,迭代次数n_gen=500,ρ=0.9,α=1,β=4,q0=0.6(也可 自设参数值测试,结果要较参考答案更优。)! {$ t. @- r3 y/ k% z4 b& c1 U, ^
任务2:对CVRP中的eil30: 算法参数设置:α=1,β=3,ρ=0.3,Q=1(也可 自设α,β, ρ,Q等参数值测试,结果要较参考答案更优。),最大迭代次数NCmax=1000,提供在计算机matlab下测试50次的数据,按参考答案 表2和表3提供结果数据。(VRP: eil30仿真结果见“参考答案”文件中 1.) 取第100代信息素浓度图。, [% [5 L( Y5 Y! w! A0 L& y/ I$ j
5 ~( M1 ]) E/ \5 k7 c' g" L0 z# o任务3:对例2 (见“参考答案”文件中2. “物流中心”例题)算法参数设置:α=1,β=3,ρ=0.9,最大迭代次数NCmax=500。(也可 自设参数值测试,结果要较参考答案更优。) m; F, Q9 E9 s9 i2 ?( N. |
2 }8 w# M3 \: ^5 e" T0 x, T
任务4:对 例1“某配送中心用2辆额定载重量为8×103kg的汽车对8个客户配送货物。。。。。。。” (见文件 VRP问题)测试,NCmax=500。(也可 自设参数值测试,结果要较参考答案更优。
: `, J. d) O8 W* @: |' L# m取第200代信息素浓度图
, u- j* T; G7 R- v, A- D: J3 D任务5:对DCVRP库中有距离和容量限制的D030-03g 问题(同eil30,只是多了单次距离限制),测试,自设参数值。 9 b# T- h* H; a* \2 H5 `! i, f; W
" w+ m9 Q; b& s7 D要求:1. 可 自设参数值测试,结果要较参考答案更优,至少比基本算法优。
& k- m& u% R: x/ P5 P8 E4 E: {2. 使用蚁群算法测试,如基本蚂蚁算法(蚁周系统),蚁群算法,最大最小MMAS,最优最差蚂蚁蚂蚁系统,带精英策略的,自适应蚁群算法,和融入遗传算法的混合蚂蚁算法GAAA或 改进算法测试(最好在matlab环境下),原则上不要使用并行蚁群算法和遗传算法测试,可参考 李士勇 《蚁群算法及其应用》 哈工大出版社 P65
4 f, N3 ]7 M% ^, f0 r$ u$ ^/ r9 E6 V9 s7 t, M6 b4 m( u ?
要求:以上参数取值设置,您可根据计算实际略作调整;答案给出方式见“参考答案”文件尾 参考标准,要有两张图( 最短路径示意图、与基本算法对比的进化代数图)、数据(尤其最短路线长度与进化次数)、结果、取10次较好的基本算法和改进算法的结果数据对照(如TSP :Eil51的运算结果表)。 具体参见表格。
- W8 y$ {9 ?1 H0 a5 G$ A- E : u( a* C6 N* v0 G
; T) [9 _5 }# N( R
% g2 F6 n, f, T
% q; g1 |7 b" I0 }4 g b( _6 v$ ^6 [' C% R
! O! E, q2 A) b4 A) }$ G5 H/ R8 K6 g
2 @3 h- t3 j' A& t; r8 ]' m& \/ u% ]7 p) @6 ^1 V3 W
|
zan
|