一种求解多目标优化问题的改进蚁群算法

发布时间：2024-04-12 19:24

　　针对带约束的多目标优化问题,提出一种改进的蚁群算法(Ant colony optimization,ACO)。在基本算法的基础上,通过对初始信息素进行混沌处理,动态调整参数α(信息启发式因子)和β(期望启发式因子)值,引入最大-最小蚂蚁系统来对算法进行改进,利用Pareto的排序机制对搜索到的可行解进行分类排序,得出可行解。对4个经典测试函数的仿真结果表明,文中算法在均匀性、寻有能力均优于另两种算法。

【文章页数】：4 页

【文章目录】：
1 改进的ACO算法
    1.1 基本ACO算法
    1.2 Logistic混沌映射
    1.3 参数的动态调整
    1.4 最大-最小蚂蚁系统
    1.5 改进算法的具体实现步骤
2 算法验证及结果分析
    2.1 评价指标与测试函数
        2.1.1 评价指标
        2.1.2 测试函数
    2.2 算法性能分析
    2.3 结果分析
3 结束语



本文编号：3951853