分享,拿去。
孟晓春 两种智能优化算法及其应用
基于上述的定义,蚁群算法可按以下步骤进行:
输入相关参数:输入最大迭代次数number,每次迭代选取的适应度最好的解的个数num,每个分量的ki个子区间中信息量最大的子区间被选中的概率q0(其余子区间被选中概率为(1-q0)).
初始化:通过神经网络在控制变量可行域内随机产成m只蚂蚁,即产生m组{wij},{wi0},{vki},{vk0},且各个分量均为[-1,1]区间内的随机数.
迭代过程:对于n个分量,分别对m个蚂蚁进行循环更新相应的信息量τij(t),对候选组中的分量进行遗传操作,计算新解的适应度,对各边的信息量进行修改,根据适应度的优劣增删候选组中的值.判断是否满足结束条件,若不满足则继续迭代.
蚁群算法的主要优点正:反馈性、较强的鲁棒性、应用前景,但是作为一种新型的模拟进化优化算法,,:
1)蚁群算法求解连续优化问题相对较弱.求解连续优化问题,2),,具有完,同时也能为算法本身的改进与完善提供理论支持.
(3),存在搜索时间长,全局搜索能力弱等缺点,所以针对算法本身的改进与完善仍将是以后蚁群算法在应用中的重要研究方向.
[参考文献]
[1]孙施良.模糊控制系统的Matlab仿真过程[J].机械与电子,2005(1):14-16.
[2]吴斌,涂序彦.快速遗传算法研究[J].电子科技大学学报,1999(1):49-53.
[3]MDorigo,VManiezzo,AColorni.Theantsystem:optimizationbyacolonyofcooperatingagents[J].IEEETransactionsonSystem,
ManandCyberneticsPartB,1996,26(1):29-42.
[4]MDorigo,LMGambardella.AstudyofsomepropertiesofAnt-Q[M].//ProceedingsofPPSNIVFourthInternationalConferenceon
ParallelProblemSolvingFromNature.Springer,Berlin,1996.
ApplicationofTwoIntelligentOptimumAlgorithms
MENGXiao-chun
(SchoolofVocationalTechnology,JinzhongUniversity,Jinzhong030600,China)
Abstract:Geneticalgorithmandantcolonyalgorithmaretwonewoptimizationstrategies.Geneticalgorithmisusedtosolvetheproblemoffunctionoptimization,whileantcolonyalgorithmisusedtosolvenonlinearprogrammingproblems.Thecorrespondingoptimizationmodelhasbeenfounded.Therealizingstephasbeenobtained.TheresultindicatesthatGeneticalgorithmhassuchvirtuesassimplicity,generality,goodrobustness,applicabilityinparallelprocessingandsoon,andantcolonyalgorithmhassuchvirtuesaspositivefeedback,goodrobust2ness,parallelism,easinessincombinationwithotheralgorithms.
Keywords:geneticalgorithm;antcolonyalgorithm;goodrobustness
(责任编辑 张 莺)
96
