文献类型：期刊文章

作　　者：郏宣耀[1] 滕少华[2]

机构地区：[1]宁波大红鹰职业技术学院软件学院,浙江宁波315175 [2]清华大学计算机科学与技术系,北京100084

出　　处：《计算机辅助工程》

年　　份：2006

卷　　号：15

期　　号：2

起止页码：67-70

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、普通刊

摘　　要：基本蚁群优化(Basic Ant Colony Optimization,BACO)算法在进化中容易出现停滞,其根源是蚁群算法中信息的正反馈．在大量蚂蚁选择相同路径后,该路径上的信息素浓度远高于其他路径,算法很难再搜索到邻域空间中的其他优良解．对此,提出一种双种群改进蚁群(Dual Population Ant colony Optimization,DPACO)算法．借鉴遗传算法中个体多样性特点,将蚁群算法中的蚂蚁分成两个群体分别独立进行进化,并定期进行信息交换．这一方法缓解了因信息素浓度失衡而造成的局部收敛,有效改进算法的搜索性能,实验结果表明该算法有效可行．

关 键 词：正反馈 局部收敛  蚁群算法 双种群

分 类 号：TP301.6]