主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
郭禾,程童,陈鑫,王宇新.一种使用视觉反馈与行为记忆的蚁群优化算法.软件学报,2011,22(9):1994-2005
一种使用视觉反馈与行为记忆的蚁群优化算法
Visual Feedback and Behavior Memory Based Ant Colony Optimization Algorithm
投稿时间:2010-03-31  修订日期:2010-06-10
DOI:10.3724/SP.J.1001.2011.03949
中文关键词:  蚁群优化  旅行商问题(TSP)  视知觉  累积学习理论  行为记忆
英文关键词:ant colony optimization  travelling salesman problem (TSP)  visual perception  accumulative learning theory  behavioral memory
基金项目:国家自然科学基金(60675008, 61033012)
作者单位E-mail
郭禾 大连理工大学 软件学院,辽宁 大连 116621 guohe@dlut.edu.cn 
程童 大连理工大学 软件学院,辽宁 大连 116621  
陈鑫 大连理工大学 软件学院,辽宁 大连 116621  
王宇新 大连理工大学 计算机科学与技术学院,辽宁 大连 116024  
摘要点击次数: 3876
全文下载次数: 3545
中文摘要:
      在分析现有改进算法的基础上,结合视知觉及认知心理学的相关理论,提出一种具备视觉反馈与行为记忆学习能力的新型蚁群算法:首先,建立视觉模型使得蚂蚁能够通过人工视觉感知周围目标城市的分布,用视知觉修正信息素噪声,提高蚂蚁探索质量;其次,建立行为记忆学习模型,使蚂蚁能够从已经走过的局部最优路径中提取经验来指导周游活动,加快算法收敛速度并强化寻优能力.经过与传统改进策略比较发现,新算法在求解质量与求解时间上均有明显改进.
英文摘要:
      Based on the analysis of exist ant colony optimization (ACO) algorithms and the studies in visual perception and cognitive psychology, this paper proposes a new optimization strategy, the visual feedback and behavioral memory based Max-Min ant colony optimization algorithm (VM-MMACO). The main idea is to enhance the ant’s search ability by establishing the learning mechanism of visual feedback and behavioral memory. With artificial visual memory and learning abilities, the ant can not only see the targets around, using visual perception to optimize the heuristic information produced by pheromone in order to improve the search quality, but can also exploit the historical solutions, finding local best segments (called experience) to narrow the searching space smoothly, so that it can accelerate the convergence process. Comparisons of VM-MMACO and existing optimization strategies within a given iteration number are performed on the publicly available TSP instances from TSPLIB. The results demonstrates that VM-MMACO significantly outperforms other optimization strategies. Finally, according to the accumulative learning theory, the learning mechanism could be studied further to make a much more intelligent algorithm.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利