摘 要:
为了使用蚁群算法来解决经典有0/1背包问题,本文根据TSP问题的蚁群系统模型及转移概率的公式,修改了蚁群算法模型,TSP问题和0/1背包问题的不同之处,在原有的蚁群优化模型的基础上扩展了它的应用范围,用来解决0/1背包问题,通过实验测试改进的算法,结果表明,改进算法的收敛速度得到提高.[著者文摘]
准备去找北极熊玩,与是他出门了,可是走到路的一半的时候发现自己忘记锁门了,这就已经走了1 0年了,可是门还是得锁啊,于是企鹅又走回家去锁门。锁了门以后,企鹅再次出发去步骤2:对每个蚂蚁k(k= 1,..,m) 按上述方程(5)选择下一物品j;将物品j加到各自当前的解集tabu(k)中。步骤3:根据tabu(k)计算各蚂蚁的目标函数值;若没有达到满足背包容量的要求,转步骤2。记录当前最好解。步骤4:根据信息素更新方程(3),更新所有物品上的信息素强度;对各物品i ,置△:=0 ,g =g+1。步骤5:若g 小于预定的迭代次数且无退化行为,则转步骤2。步骤6:输出最好解。算法的终止条件是“无退化行为”。这里,蕴涵了这样一个未经证明的假设,即每次迭代后,解集永远是较前一次解集是优化的。4.实验结果及结论上述算法在Windows2000平台下用Turbo C2.0实现,在编程实现过程中利用人工智能里最好优先搜索法的思想。并且注意到仅选择启发因子T1并不能得......
Chinese Modern Education