最新計算智能課程設計粒子群優(yōu)化算法求解旅行商問題matlab實現(xiàn)免費下載-資料下載頁
2025-03-25 03:50本頁面
【正文】 變參數(shù)，多次試驗，看能否得到更優(yōu)值。5. 算法的改進多次實驗結果如下：編號snnvmaxc1c2gnmax最優(yōu)值1100301310031556210025131003221131002013100316484100151310032649510010131003178761005131003059071005121003249181005111003316991005231003286310100533100321091115051310031178122005131003210613250513100319401430051310030050153505131003014816400513100310691730051350322221830051315029746193005132002980320300513250305982130051330029042由以上實驗結果可知，當初始化粒子總數(shù)snn為300，最大速度vmax為5，學習因子c1為1，c2為3，最大迭代次數(shù)為300時（即編號為21的實驗），得到最短遍歷長度為29042，其對應的遍歷路徑為L: [ 21 22 16 29 11 5 13 4 1 15 24 17 18 12 14 7 6 23 8 9 10 2 3 27 25 28 20 ]、相應最佳粒子變化趨勢及最好路徑圖為： 6. 結論改變各個參數(shù)值后求得的最優(yōu)值差別不大，并且所得的最優(yōu)值與其他算法求得的最優(yōu)值相比更劣（遺傳算法求解同樣的問題得到的最優(yōu)值為15404[3]），但是路徑確實優(yōu)化了，這種基于交換子和交換序的改進的粒子群優(yōu)化算法求解TSP問題是有一定成效的。由最佳粒子變化趨勢圖可知最優(yōu)值的變化依賴于突變，并且這種突變發(fā)生效率很低，然而通過修改學習因子cc以及最大速度vmax并不能明顯改變這種突變率。我想是因為這種基于交換子和交換序的改進的粒子群優(yōu)化算法的性質(zhì)所決定的。當然也有可能由于編碼不恰當造成的，但是目前我尚未找到更好的編碼方法。這種源于大自然群體智能的粒子群優(yōu)化算法一定具有一定的通用性的，我相信通過恰當?shù)母倪M一定能夠用于現(xiàn)實生活中的絕大多數(shù)優(yōu)化問題。本文所用的交換子和交換序的概念以及對應的編碼方法也一定能夠改進的。7. 參考文獻[1] 黃嵐，王康平，周春光，龐魏，董龍江，（理學版），2003,4:477480.[2] 汪定偉，王俊偉，[3] 叢爽，,.10
電大資料相關推薦
鄂ICP備17016276號-1