| 引用本文: | 牟峰,袁晓辉,王慈光,景云.基于灰预测和正态云的参数自适应蚁群遗传算法[J].控制理论与应用,2010,27(6):701~707.[点击复制] |
| MU Feng,YUAN Xiao-hui,WANG Ci-guang,JING Yun.Ant-colony-genetic algorithm with adaptive parameters based on grey prediction and normal cloud[J].Control Theory and Technology,2010,27(6):701~707.[点击复制] |
|
| 基于灰预测和正态云的参数自适应蚁群遗传算法 |
| Ant-colony-genetic algorithm with adaptive parameters based on grey prediction and normal cloud |
| 摘要点击 1663 全文点击 1099 投稿时间：2008-07-12 修订日期：2009-09-13 |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| DOI编号 10.7641/j.issn.1000-8152.2010.6.CCTA080731 |
| 2010,27(6):701-707 |
| 中文关键词 混合算法 最大最小蚂蚁系统 遗传算法 正态云 灰预测 |
| 英文关键词 hybrid algorithm max-min ant system(MMAS) genetic algorithm (GA) normal cloud grey prediction |
| 基金项目 国家自然科学基金资助项目(60776824). |
|
| 中文摘要 |
| 基于正反馈机制的蚁群算法, 在进行全局搜索时, 具有很强的全局收敛能力; 遗传算法则具有快速的全局搜索能力. 为了充分利用两种算法在寻优过程中的优势, 提出一种带有参数自适应调节能力的混合算法. 该算法利用灰预测对最大最小蚁群策略中的信息素上(下)界进行估计, 以达到实时控制信息素限界、避免算法陷入局部最优的目的. 同时, 通过云模型建立了一系列的关联规则, 利用算法在迭代过程中的反馈信息, 可实现算法参数的自适应控制, 有效减小算法对参数初始设置的依赖. 最后, 对车间调度问题(JSP)和旅行商问题(TSP)算例的仿真结果证明了算法的有效性. |
| 英文摘要 |
| Ant colony algorithm with positive feedback has a good capability of global convergence; while the genetic algorithm(GA) is with a fast performance in global search. A hybrid algorithm with adaptive parameters is proposed to take advantages of the above two optimization algorithm. Using the grey prediction, we obtain in the ant colony strategy the estimates of the maximum (minimum) trail limits which are controlled for avoiding the immature convergence. Meanwhile, we employ the cloud models to build a set of association rules which are used to adaptively adjust algorithm parameters by information feedback during the iterative process, thus reducing the reliance on initial parameters. Simulation results for job-shop scheduling problem(JSP) and traveling salesman problem(TSP) validate the algorithm. |
|
|
|
|
|