【论文】融合分级诱导策略的自适应蚁群优化算法

qq_1537237806

针对蚁群优化（ACO）算法在求解旅行商问题（TSP）时易陷入局部最优,收敛速度较慢的问题,提出一种融合分级诱导策略的自适应蚁群优化（HIACO）算法。首先运行传统ACO算法,找出局部收敛迭代点,根据该点设置自适应平衡因子N,便于自适应平衡算法的种群多样性和收敛速度;然后,在HIACO算法前期（N代前）使用传统ACO算法,在HIACO算法后期（N代后）引入分级诱导策略,增加了算法的种群多样性,加快了算法收敛速度;最后,选取TSPLIB标准库中的多组TSP进行仿真实验。实验结果表明:相比传统ACO算法、最大最小蚂蚁系统（MMAS）算法和最新的蚁群优化算法A-ACS,本算法不易陷入局部最优,具有更强的寻优能力,更快的收敛速度。