單變量邊緣分布算法與蟻群算法的混合算法收斂性分析-資料下載頁
2025-08-04 13:46本頁面
【正文】 小值平均值初始隨機(jī)生成的優(yōu)化值解1 5001 2201 2001 1071 1121 0031 圖1是umdaaa算法對tsp30城問題的一次隨機(jī)求解過程。從圖中可以看出，在蟻群算法求解的過程中，算法的收斂性非常的明顯，而在選擇算子，概率模型算子，抽樣算子的作用過程中迭代的次數(shù)較多。那是因為前面算子的行為是為了積累更多的信息素，為算法的最后收斂作準(zhǔn)備。從圖1可以看出，算法經(jīng)過40多代就已經(jīng)收斂，而且是單調(diào)收斂的。表2umdaaa隨機(jī)求解的30個優(yōu)化解的分布tsp30城優(yōu)化解值的分布（α=1，β=2，ρ=，q=1 000）440427433447432429 4424374294404524304314394284254344414274304434324384364314434254374334284結(jié)語智能混雜算法是當(dāng)前智能優(yōu)化算法的研究熱點，可以融合多種優(yōu)化算法的優(yōu)勢，提高算法的性能。而算法的收斂性是算法最重要的指標(biāo)之一。齊次有限馬爾科夫鏈?zhǔn)沁M(jìn)行優(yōu)化算法分析的有力工具，本文提出將umda與aa結(jié)合的umdaaa算法，并運(yùn)用齊次有限馬爾科夫鏈對其收斂性進(jìn)行了分析。結(jié)果表明，umdaaa算法的滿意解序列為一個單調(diào)不增的馬爾科夫過程，并且一定能夠收斂。參考文獻(xiàn)［1］mehlenbein h. the equation for response to seletion and its use for prediction \[j\]. evolutionary putation, 1997, 5(3): 303346.［2］miihlenbein h, paass g. from rebination of genes to the estimation of distributions \[m\]. berlin, germany: \[.\], 1996: 178187.［3］dongo m，manlezzo a. ant system: optimationby a colonyof cooperating agents \[j\]．ieee transactions on systems，man and cybernetlcs, 1996, 26(1): 2941.
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1