[发明专利]一种引入好奇因子的蚁群优化方法

摘要

本发明涉及一种引入好奇因子的蚁群优化方法。现有的算法容易出现停滞现象。本发明方法首先初始化蚂蚁个数、挥发系数和每条边上的信息素，并随机放置m个蚂蚁到n个城市上，其次让蚂蚁随机选择转移到城市j，将j插入到禁忌表中，将城市j从allowed_k中删除，并对第k个蚂蚁经过的路径进行信息素浓度局部更新；然后计算每只蚂蚁的总路线长度，更新找到的最短路径，利用征税算子对路径上的信息素浓度进行调整，得到征税后的信息素浓度；最后满足Nc大于设定的值或者所有的蚂蚁选择同一条路径，则结束本次算法，同时输出全局优化的最佳路径。本发明方法实现了对解空间更全局的搜索。

主权项

1.一种引入好奇因子的蚁群优化方法，其特征在于该方法包括如下步骤：步骤1、初始化蚂蚁个数m、挥发系数ρ、初始每条边上的的信息素τ_ij(0)，随机放置m个蚂蚁到n个城市上；步骤2、初始化禁忌表tabu_k(s)，令s＝1，tabu_k表示第k个蚂蚁的禁忌表，tabu_k(s)表示禁忌表中第s个元素；步骤3、蚂蚁k(k＝1，2...m)随机选择转移到城市j，在时刻t蚂蚁k由城市i转移到城市j的概率为Pij(k)(t)=[τij(t)]α·[ηij]β·χij(t)Σk∈allowedk[τik(t)]α·[ηik]β·χ(t)]]>其中τ_ij(t)表示时刻t时路径(i，j)上信息素浓度，启发因子η_ij＝1/C_ij，C_ij为路径(i，j)的距离，α表示控制信息素浓度参数，β表示路径长度参数，allowed_k＝{0，1，...，n-1}表示蚂蚁k下一步允许选择的城市，χij(t)=m·Ncm·Nc+δ·Qc(i,j)·ηij/maxη]]>其中，Nc表示当前迭代次数，参数δ是一个正实数，maxη代表启发因子η_ij的最大值，Q_c(i，j)是从第一次迭代开始，到时刻t时经过路径(i，j)的蚂蚁总个数；然后将j插入到tabu_k(s)中，将城市j从allowed_k中删除，并对第k个蚂蚁经过的路径进行信息素浓度局部更新，得到τij′(t)=(1-ξ)·τij(t)+ξ·τ0]]>式中，ξ∈[0，1]，L_nn表示最近的相邻城市路径长度，如此重复直到每只蚂蚁都遍历n个城市；步骤4、计算每只蚂蚁的总路线长度，更新找到的最短路径，更新时刻t至t+1，对最优蚂蚁经过的路径进行全局更新，得到t+1时刻的信息素浓度τ_ij(t+1)，所述最优蚂蚁经过的路径为所有蚂蚁经过的最短路径；τ_ij(t+1)＝ρ·τ_ij(t)+(1-ρ)Δτ_ij式中，ρ为一个取值范围在0到1之间的常数系数，L_gb为到目前为止找出的全局最优路径；步骤5、将Δτ_ij置零，重复步骤2至步骤4，如果Nc大于设定的值或者所有的蚂蚁选择同一条路径，则结束本次算法，同时输出全局优化的最佳路径。