基于云模型的小生境MAX-MIN相遇蚁群算法

	基于云模型的小生境MAX-MIN相遇蚁群算法
	段海滨 ; 王道波 ; 于秀芬
刊名	吉林大学学报:工学版
	2006
卷号	36 期号:5 页码:803-808
关键词	人工智能蚁群算法信息素云模型定性关联规则小生境
ISSN号	1671-5497
其他题名	MAX2M IN meeting ant colony a lgor ithm ba sed on cloud modeltheory and n iche ideology
通讯作者	北京8701信箱
中文摘要	针对基本蚁群算法在解决大规模优化问题时易限于局部最优解,收敛速度慢的突出缺陷,本文在阐述基本蚁群算法和云模型理论的基础上,提出了一种利用云模型定性关联规则来有效限制基本蚁群算法陷入局部最优解的方法;随后借助最优解保留、相遇搜索和信息素自适应控制策略以及自然界的小生境思想对基本蚁群算法进行了系列改进,以提高改进后蚁群算法的全局收敛性能.同时,为了避免蚁群在搜索过程中易出现停滞现象,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间.仿真实验结果验证了本文所提改进蚁群算法的可行性和有效性.
英文摘要	Ant colony algorithm (ACA) is easy to fall in local best, and its convergent speed is slow in solving large-scale op timization p roblems.On the basis of introduction of basic ant colony algorithm and cloud model theory,a novel qualitative strategy for imp roving the global op timization p roperties by use of cloud models is presented in this paper.Then, for the purpose of enhancing global convergent performance of basicant colony algorithm, the basic ant colony algorithm is imp roved by using elitist p reservation strategy, meeting search strategy, pheromone adap tive control strategy and natural niche ideology. Meanwhile, in order to avoid stagnation of the search, the range of possible pheromone trails on each solution component is limited to a maximum-minimum interval.The feasibility and effectiveness of the proposed ant colony algorithm are validated by series of computational experiments.
学科主题	微波遥感
收录类别	CSCD
资助信息	国家航空基础科学基金资助项目,江苏省“333”工程基金重点资助项目
语种	中文
CSCD记录号	CSCD:2435882
内容类型	期刊论文
源URL	[http://ir.cssar.ac.cn/handle/122/1938]
专题	国家空间科学中心_微波遥感部
推荐引用方式 GB/T 7714	段海滨,王道波,于秀芬. 基于云模型的小生境MAX-MIN相遇蚁群算法[J]. 吉林大学学报:工学版,2006,36(5):803-808.
APA	段海滨,王道波,&于秀芬.(2006).基于云模型的小生境MAX-MIN相遇蚁群算法.吉林大学学报:工学版,36(5),803-808.
MLA	段海滨,et al."基于云模型的小生境MAX-MIN相遇蚁群算法".吉林大学学报:工学版 36.5(2006):803-808.