基于跨邻域搜索的连续域蚁群优化算法

作     者：夏媛 李俊 周虎 Xia Yuan;Li Jun;Zhou Hu

作者机构：武汉科技大学 武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 

出 版 物：《武汉科技大学学报》 (Journal of Wuhan University of Science and Technology)

年 卷 期：2019年第42卷第3期

页      面：212-219页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61572381) 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室基金资助项目(znxx2018QN06) 

主　　题：蚁群优化 算法改进 连续域 跨邻域搜索 自适应种群划分 自主选择学习 收敛精度 

摘      要：针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。