资料下载
×
基于k_means的改进粒子群算法求解TSP问题_易云飞
消耗积分:1 |
格式:pdf |
大小:1697KB |
2017-03-08
#Freedom
分享资料个
基于k_means的改进粒子群算法求解TSP问题_易云飞
旅行商问题(Traveling Salesman Problem,简称 TSP)是一个 典型的 NP 完全问题。问题描述:给定 N 个城市和两两城市之见 的距离,求一条访问各个城市且仅访问一次的最短路线。虽其数 学描述很简单, 却无法找到一个确定的算法在多项式时间内求 解旅行商问题。 粒子群算法(Particle Swarm Optimization,简称 PSO)由美国 社会心理学家 James Kennedy 和电气工程师 Russell Eberhart 于 1995 年提出的一种全局优化算法,该算法是一种基于群体智能 的优化算法, 它是受鸟群和鱼群群体运动的行为方式启发而得 到的。该算法的基本思想来源于对鸟群简化社会模型的研究及 行为模拟,其中的每个个体充分利用群体的与自身的智能,不断 地调整学习,最终得到满意解。在 PSO 算法中,每个备选解是搜 索空间中的一个粒子, 每个粒子根据它自身的经验和粒子群的 最佳经验,在问题空间中向更好的位置飞行,如此循环搜索直到 发现最优解。该算法在连续优化问题的运用中取得了较好的效 果,但较少用于 TSP 等组合优化问题的求解。
旅行商问题(Traveling Salesman Problem,简称 TSP)是一个 典型的 NP 完全问题。问题描述:给定 N 个城市和两两城市之见 的距离,求一条访问各个城市且仅访问一次的最短路线。虽其数 学描述很简单, 却无法找到一个确定的算法在多项式时间内求 解旅行商问题。 粒子群算法(Particle Swarm Optimization,简称 PSO)由美国 社会心理学家 James Kennedy 和电气工程师 Russell Eberhart 于 1995 年提出的一种全局优化算法,该算法是一种基于群体智能 的优化算法, 它是受鸟群和鱼群群体运动的行为方式启发而得 到的。该算法的基本思想来源于对鸟群简化社会模型的研究及 行为模拟,其中的每个个体充分利用群体的与自身的智能,不断 地调整学习,最终得到满意解。在 PSO 算法中,每个备选解是搜 索空间中的一个粒子, 每个粒子根据它自身的经验和粒子群的 最佳经验,在问题空间中向更好的位置飞行,如此循环搜索直到 发现最优解。该算法在连续优化问题的运用中取得了较好的效 果,但较少用于 TSP 等组合优化问题的求解。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
