针对蚁群优化(ACO)只适用于离散问题的局限性,提出了连续蚁群优化算法(CACO),保留 了连续问题可行解的原有形式,并融入演化算法(EA)的种群与操作功能。CACO将蚁群分工为全局和局部 蚂蚁,分别引领个体执行全局探索式搜优与局部挖掘式搜优,并释放信息素,由个体承载,实现信息共享 ,形成相互激励的正反馈机制,加速搜优进程。实例测试表明,CACO适用于连续问题,全局寻优性能良好 ,尤其对复杂的高维问题,更能反映其相对优势。最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和 种群规模等因素对CACO寻优性能的影响。
国家自然科学基金资助项目(20276063).
程志刚 陈德钊 吴晓华. 连续蚁群优化算法的研究[J]. J4, 2005, 39(8): 1147-1151.
CHENG Zhi-Gang, CHEN De-Zhao, TUN Xiao-Hua. . J4, 2005, 39(8): 1147-1151.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2005/V39/I8/1147
Cited