[发明专利]一种解决旅行商问题的自适应粒子群优化方法

摘要

本发明公开了一种解决旅行商问题的自适应粒子群优化方法，在现有的标准粒子群算法的基础之上采用反向学习初始化粒子种群，并使粒子群优化算法的惯性权重w，学习因子c，随着迭代次数的增加自适应调整，从而提高粒子群优化算法的寻优能力，并在算法的后期引入混沌局部搜索避免算法陷入局部最优。用标准函数对改进后的算法进行测试，得到的结果明显优于标准PSO优化算法，并将改进后的粒子群优化算法应用到旅行商问题的优化求解中，取得比较好的优化结果。

主权项

1.一种解决旅行商问题的自适应粒子群优化方法，其特征在于，包括以下步骤：步骤1：利用反向学习方法得到初始种群，设置参数；步骤2：计算每个粒子适应值，确定个体最优位置Pbest和全局最优粒子Gbest；步骤3：更新惯性权重w和加速因子c；步骤4：更新对粒子的位置和速度进行；步骤5：计算更新后每个粒子适应值，并与当前粒子的适应值比较，将适应值更优的粒子位置代替Pbest；步骤6：计算并比较每个粒子的适应值，将适应值最优的粒子位置作为全局最优位置Gbest；步骤7：判断算法是否早熟；若是，则执行步骤8；若否，执行步骤9；步骤8：对当前全局最优粒子Gbest进行k次混沌局部搜索，在每次混沌局部搜索中将生成的新粒子与全局最优粒子的适应值进行比较，若新粒子的适应值优于全局最优粒子Gbest时，新粒子的位置作为全局最优位置Gbest；继续执行下述步骤9；步骤9：令迭代次数iter＝iter+1，当迭代次数iter大于最大迭代次数MaxIter时，本流程结束；否则回转执行步骤3。