论文部分内容阅读
针对基本蚁群算法存在收敛速度慢、易陷入局部最优解等问题，受监工机制的启发，提出了监工蚁群算法，以监工距离作为评价标准，自适应地选择优良的蚂蚁更新信息素，提高了每次迭代中解的质量，指导之后的蚂蚁进行更好的学习。该算法选用优化的全局更新策略，使得信息素在进化前期增加较多，在后期增加较少；同时，自适应地将信息素的值限定在一定范围内，防止某条路径被选择的概率过大或者过小。该算法还添加了发散和收敛机制，当算法陷入局部最优解时，增加探索的概率，有助于跳出局部最优解。仿真结果表明，监工蚁群算法具有较高的全局寻优能力，减