随机扰动蚁群算法求解复杂TSP问题

"求解复杂TSP问题的随机扰动蚁群算法1" 本文提出了一种新的随机扰动蚁群算法（RPAS），旨在解决复杂的旅行商问题（TSP）。旅行商问题是一个经典的组合优化问题，目标是找到访问一系列城市并返回起点的最短路径，每个城市只访问一次。在基本蚁群算法（BAS）的基础上，该算法引入了两项关键改进以提高其性能和全局搜索能力。 首先，RPAS算法创新性地引入了倒指数曲线描述的扰动因子。扰动因子是蚂蚁路径更新过程中的一个重要元素，它决定了蚂蚁在选择路径时的随机性程度。倒指数函数的特性使得算法在初期阶段能够进行广泛的探索，随着迭代的进行，扰动因子逐渐减小，使得算法更倾向于收敛到较优解，从而平衡了全局搜索与局部搜索之间的矛盾。 其次，算法设计了对应的随机选择策略和扰动策略。随机选择策略是指蚂蚁在选择下一个节点时不再完全依赖于信息素浓度，而是加入了一定的随机性，这有助于避免算法陷入局部最优。而扰动策略则是在路径确定后，有一定概率对已选择的路径进行调整，进一步增强了算法跳出局部最优的能力。 数值模拟结果显示，RPAS算法在处理复杂TSP问题时，能有效缩短计算时间并减少停滞现象，显示出比基本蚁群算法更强的全局搜索性能。作者还深入研究了算法中各个参数的取值范围及其选取方法，这对于实际应用中优化算法的性能至关重要。 随机扰动蚁群算法提供了一种有效的解决复杂TSP问题的新方法，通过引入倒指数曲线描述的扰动因子和优化的随机选择与扰动策略，既保持了蚁群算法的搜索广度，又提升了收敛速度，为解决类似优化问题提供了新的思路。