基于混合粒子群算法的TSP搜索算法.doc_第1页
基于混合粒子群算法的TSP搜索算法.doc_第2页
基于混合粒子群算法的TSP搜索算法.doc_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于混合粒子群算法的TSP搜索算法1、案例背景 粒子群算法（Particle Swarm Optimization,PSO）是Kennedy博士和Eberhart博士在1995年提出的一种基于群体智能的优化算法，它首先初始化一群随机粒子，然后通过迭代寻找问题的最优解，在每一次迭代过程中，粒子通过个体极值和群体极值更新自身的速度和位置。 标准粒子群算法通过追随个体极值和群体极值来完成极值寻优的，虽然操作简单，且能够快速收敛，但是随着迭代次数的不断增加，在种群收敛集中的同时，各粒子也越来越相似，可能在局部解周边无法跳出。混合粒子群算法摒弃了传统粒子群算法中的通过跟踪极值来更新粒子位置的方法，而是引入了遗传算法中的交叉和变异操作，通过粒子同个体极值和群体极值的交叉以及粒子自身变异的方式来搜索最优解。 2、案例目录 本案例的目录为：第十五章基于混合粒子群算法的TSP搜索算法15.1理论基础15.2案例背景15.2.1问题描述15.2.2算法流程15.2.3算法实现15.3 MATLAB程序实现15.3.1适应度函数15.3.2粒子初始化15.3.3交叉操作15.3.4变异操作15.3.5仿真结果15.4延伸阅读.15.5参考文献.3、主程序% 循环寻找最优路径for N=1:nMaxN%计算适应度值indiFit=fitness(individual,cityCoor,cityDist);%更新当前最优和历史最优for i=1:indiNumberif indiFit(i)recordPbest(i)recordPbest(i)=indiFit(i);tourPbest(i,:)=individual(i,:);endif indiFit(i)distindividual(i,:)=xnew1(i,:);endendvalue,index=min(indiFit);L_best(N)=indiFit
人人文库> 全部分类> 毕业设计 > 毕业论文

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论