MPSO智能决策系统:TSP问题的有效解决方案
需积分: 9 90 浏览量
更新于2024-08-09
收藏 762KB PDF 举报
本文主要探讨了"解决旅行商问题的智能决策系统:MPSO"的研究论文,发表于2019年的国际可持续计算科学、技术与管理会议(SUSCOM-2019)。作者R.G. Babukarthik、MN Arpitha、Lavanya BK Koppal和Shyam Sundar Pandey来自印度班加罗尔的Dayananda Sagar大学计算机工程系。
多群粒子群优化(MPSO)是一种改进版的粒子群优化(PSO),其核心思想是引入多个子群(sub-swarms)而非单一群体,以此来增强搜索过程中的探索与利用之间的平衡。在MPSO中,每个子群(child swarm)独立进行优化,通过交换子群内的最优解(best fitness value),即gbest,实现了算法的协同进化。这种方法在处理旅行商问题(Traveling Salesman Problem, TSP)上展现优势,TSP是一个著名的NP难问题,目标是寻找给定城市间的最短路径,同时确保每个城市至少被访问一次。
TSP中的关键挑战在于如何在众多可能的路径中找到全局最优解,而MPSO通过多层优化策略有效应对。论文提出了一种结合边界值分析(Boundary Value Analysis, BVA)、遗传算法(Genetic Algorithm)以及特定的区域划分(Region_bc(Rg)、Replicate_bc(Rp) 和 Evade_bc(Ev))的方法,旨在提升计算效率,减少最佳适应度误差,同时保持算法的收敛性和多样性。
实验结果表明,所提出的MPSO-BVA技术在计算时间、最佳适应度、错误率、收敛率和多样性方面表现出色,在保证最低计算时间和最佳适应值的同时,降低了算法的错误率。未来的研究方向将是在云计算环境中应用这种技术,以解决更广泛的作业调度问题。
总结来说,这篇论文深入研究了多群粒子群优化在旅行商问题上的应用,展示了它在解决复杂组合优化问题上的潜力,并提供了实际的算法改进策略,为未来的云计算环境下的问题求解提供了一个有前景的解决方案。
2021-06-14 上传
2021-10-01 上传
2021-05-25 上传
2021-09-25 上传
2021-09-26 上传
2021-09-26 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38629130
- 粉丝: 4
- 资源: 949
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手