|
|||||
|
|
| 带有动态参数决策模型的改进蚁群优化算法 | |
| 引用本文： | 刘武阳.带有动态参数决策模型的改进蚁群优化算法[J].科学技术与工程,2010,10(2). |
| 作者姓名： | 刘武阳 |
| 作者单位： | 1. 国防科技大学信息系统与管理学院,长沙,410073;湖南公安高等专科学校,长沙,410138 2. 国防科技大学信息系统与管理学院,长沙,410073;武警总部后勤部司令部,北京,100089 3. 国防科技大学信息系统与管理学院,长沙,410073 |
| 基金项目： | 国家自然科学基金(70703036)资助 |
| 摘 要： | 蚁群优化算法的参数设置一直是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合。通过对蚁群优化算法各操作参数作用与意义的分析,将蚁群优化算法的参数设定描述为一个多因素多水平优化设计问题。为使蚁群优化算法在应用中发挥最佳的寻优性能,提出带有动态参数决策模型的改进蚁群优化算法。作业车间调度问题的仿真试验表明,利用动态参数决策模型得到的参数组合可使蚁群优化算法获得较优的运行性能,说明了该方法的可行性和有效性。 |
| 关 键 词： | 参数设定 蚁群优化 作业车间调度问题 动态参数决策 |
| 收稿时间： | 10/6/2009 8:28:43 PM |
| 修稿时间： | 2009/10/22 0:00:00 |
An Improved Ant Colony Optimization with the Dynamic Parameter Decision Model |
|
| Liu Wu-yang.An Improved Ant Colony Optimization with the Dynamic Parameter Decision Model[J].Science Technology and Engineering,2010,10(2). | |
| Authors: | Liu Wu-yang |
| Institution: | College of Information System and Management Science/a>;National University of Defense Technology1/a>;Changsha 410073/a>;P.R.China/a>;Hunan Police Security College2/a>;Changsha 410138/a>;Corps Headquarters/a>;General Logistics Department/a>;the Headquarters of the People's Armed Police3/a>;Beijing 100089/a>;P.R.China |
| Abstract: | The parameter setting in Ant Colony Optimization (ACO) algorithm is usually determined by the experience of experiments.This leads to a heavy workload and it is difficult to obtain the optimal parameter combination.By analyzing the function and significance of parameters,the parameter setting of ACO algorithm can be described as a multifactor and multilevel optimization problem.In order to improve the performance of ACO algorithm,an ACO algorithm with the dynamic parameter decision model is presented.The pr... |
| Keywords: | parameter setting ant colony optimization job shop scheduling problem dynamic parameter decision |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 | |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 | |