用改进蚁群算法求解多目标优化问题

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

用改进蚁群算法求解多目标优化问题

唐泳, 马永开

文章导航 > 电子科技大学学报 > 2005 > 34(2): 281-284

唐泳, 马永开. 用改进蚁群算法求解多目标优化问题[J]. 电子科技大学学报, 2005, 34(2): 281-284.

引用本文:

唐泳, 马永开. 用改进蚁群算法求解多目标优化问题[J]. 电子科技大学学报, 2005, 34(2): 281-284.

TANG Yong, MA Yong-kai. An Improved Ant Colony Algorithm for Multi-Objective Optimization[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(2): 281-284.

Citation:

TANG Yong, MA Yong-kai. An Improved Ant Colony Algorithm for Multi-Objective Optimization[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(2): 281-284.

用改进蚁群算法求解多目标优化问题

唐泳,
马永开

1.
电子科技大学管理学院成都 610054

作者简介:
唐泳(1979-),男,硕士生,主要从事智能优化方面的研究.

中图分类号: TP301.6

An Improved Ant Colony Algorithm for Multi-Objective Optimization

1.
School of Management Science,UEST of China Chengdu 610054

摘要: 蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。
- 多目标优化 /
- 蚁群算法 /
- 模拟进化算法 /
- 仿生算法
Abstract: Ant Colony Algorithm is a brand-new bionic simulated evolutionary algorithm, which has been applied to many fields. Multi-objective optimization problems are very important optimization problems. It's hard to optimized or solved. An improved Ant Colony Algorithm to solve Multi-objective optimization problems is introduced. After setting up a set of weight for the parameters, the algorithm uses some ants search in the solution space first in a stochastic way then stimulate the food searching behavior of real ants to guide the search by the pheromone. The new algorithm is explained in details and some simulations show the algorithm is very effective in finding global optimizations.
- Multi-objective optimization /
- Ant colony algorithm /
- simulated evolutionary algorithm /
- bionic algorithm

[1]	陈作汉, 曹洁, 赵付青, 张建林. 基于构造学习的差分进化算法求解部分可分优化问题 . 电子科技大学学报, 2023, 52(3): 413-422. doi: 10.12178/1001-0548.2022082
[2]	周雪, 梁超, 何均洋, 唐瀚林. 一体化多目标跟踪算法研究综述 . 电子科技大学学报, 2022, 51(5): 728-736. doi: 10.12178/1001-0548.2021349
[3]	何羚, 舒文江, 陈良, 阎啸, 王茜. 改进的多目标粒子群优化算法及其在雷达布站中的应用 . 电子科技大学学报, 2020, 49(6): 806-811. doi: 10.12178/1001-0548.2020025
[4]	宫大鹏, 刘佳, 黄桃, 李建清, 杨中海. 空间行波管多目标智能调试系统 . 电子科技大学学报, 2020, 49(6): 848-853. doi: 10.12178/1001-0548.2020026
[5]	张强, 李盼池, 王梅. 基于自适应进化策略的人工蜂群优化算法 . 电子科技大学学报, 2019, 48(4): 560-566. doi: 10.3969/j.issn.1001-0548.2019.04.013
[6]	靳标, 李聪, 郭交, 何东健. 多普勒信息辅助的杂波环境下多目标跟踪算法 . 电子科技大学学报, 2019, 48(4): 511-517. doi: 10.3969/j.issn.1001-0548.2019.04.006
[7]	傅仰耿, 刘莞玲, 吴伟昆, 李敏, 吴英杰. 基于混合PAES的置信规则库推理算法 . 电子科技大学学报, 2019, 48(2): 239-246. doi: 10.3969/j.issn.1001-0548.2019.02.013
[8]	刘家州, 章宇兵, 陆洲. 一种新的高速多目标参数检测算法 . 电子科技大学学报, 2017, 46(4): 495-500. doi: 10.3969/j.issn.1001-0548.2017.04.003
[9]	王瑞锦, 郭祥, 王佳昊, 秦志光. 无线传感器网络动态轨迹多目标跟踪算法 . 电子科技大学学报, 2016, 45(2): 233-239.
[10]	唐东明, 卢显良. 用于网络编码优化的改进量子进化算法 . 电子科技大学学报, 2015, 44(2): 215-220. doi: 10.3969/j.issn.1001-0548.2015.02.010
[11]	屈鸿, 黄利伟, 柯星. 动态环境下基于改进蚁群算法的机器人路径规划研究 . 电子科技大学学报, 2015, 44(2): 260-265. doi: 10.3969/j.issn.1001-0548.2015.02.017
[12]	冯翔, 杨红雨. 进港飞机调度多目标优化问题的改进NSGA-II算法 . 电子科技大学学报, 2014, 43(1): 66-70. doi: 10.3969/j.issn.1001-0548.2014.01.011
[13]	胡学海, 王厚军, 黄建国. 分布式目标检测融合决策优化算法 . 电子科技大学学报, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011
[14]	吕建军, 李志蜀, 刘勇. Ad hoc网络稳定的蚁群多路由算法 . 电子科技大学学报, 2010, 39(4): 603-606. doi: 10.3969/j.issn.1001-0548.2010.04.028
[15]	张安安, 杨洪耕, 杨坤. 动态多目标无功/电压规划的Pareto最优集的求取 . 电子科技大学学报, 2010, 39(4): 634-639. doi: 10.3969/j.issn.1001-0548.2010.04.034
[16]	岐世峰, 李艳华, 梅大成. 蚁群算法在QoS单播路由中的应用研究 . 电子科技大学学报, 2010, 39(2): 271-274. doi: 10.3969/j.issn.1001-0548.2010.02.025
[17]	崔梦天, 钟勇, 赵海军. ACOGA算法的多媒体网络QoS路由实现 . 电子科技大学学报, 2009, 38(2): 266-269. doi: 10.3969/j.issn.1001-0548.2009.02.26
[18]	刘德平, 刘晓宇, 陈建军. 逆向工程特征参数提取技术研究 . 电子科技大学学报, 2008, 37(3): 474-477.
[19]	何定润, 刘晓云, 陈东义. 基于可穿戴计算机电源管理的蚁群算法 . 电子科技大学学报, 2007, 36(2): 271-274.
[20]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.

WeChat

点击查看大图

计量

文章访问数: 4384
HTML全文浏览量: 160
PDF下载量: 107
被引次数: 0

用改进蚁群算法求解多目标优化问题

唐泳,
马永开

1. 电子科技大学管理学院成都 610054

作者简介:
唐泳(1979-),男,硕士生,主要从事智能优化方面的研究.

收稿日期: 2003-08-28
刊出日期: 2005-04-15

中图分类号: TP301.6

关键词:

摘要: 蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。

English Abstract

唐泳, 马永开. 用改进蚁群算法求解多目标优化问题[J]. 电子科技大学学报, 2005, 34(2): 281-284.

引用本文:

唐泳, 马永开. 用改进蚁群算法求解多目标优化问题[J]. 电子科技大学学报, 2005, 34(2): 281-284.

TANG Yong, MA Yong-kai. An Improved Ant Colony Algorithm for Multi-Objective Optimization[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(2): 281-284.

Citation:

TANG Yong, MA Yong-kai. An Improved Ant Colony Algorithm for Multi-Objective Optimization[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(2): 281-284.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发