基于云模型的模糊自适应蚁群算法研究

Computer Engineering and Applications 计算机工程与应用

2016，52（2）1引言蚁群算法（Ant Colony Algorithm ，ACA ）最早由意大利学者Marco Dorigo 等人于1991年提出，用于求解TSP 、分配及调度等一系列组合优化问题[1-3]。目前研究者们一方面将蚁群算法应用到各种应用领域，另一方面，也从理论上不断地对算法进行改进和完善[4-6]。在最早的蚁群系统（Ant System ，AS ）[7]的基础上，研究者已经对蚁群算法提出了多种改进策略，其中Dorigo 和Gambardella 提出的蚁群系统（Ant Colony System ，ACS ）[8]以及Stützle 和Hoos 提出的最大最小蚂蚁系统（Max-Min Ant System ，MMAS ）[9]是比较成功的两个改

进算法，它们的核心思想对蚁群算法的设计有着深远的影响。虽然蚁群算法得到了广泛的应用，但仍然存在易陷

入早熟停滞和控制参数难以确定等不足，而其中的关键问题是如何在“探索”和“开发”之间建立一个平衡。前期已针对TSP 问题，对蚁群算法进行了一些改进研究[10]。本文将在前期研究的基础上，借鉴云模型在模糊处理方面的机制，提出一种新的基于云模型的模糊自适应蚁群算法（Fuzzy Self-adaptive Ant Colony Algorithm Based on Cloud Model ，FSACA ），以提高蚁群算法对已知解的“开发”和对未知解的“探索”能力，使二者之间达到一个动态平衡，从而提高蚁群算法求解的质量。

2基本蚁群算法

蚁群系统（ACS ）算法在AS 算法的基础上，主要在基于云模型的模糊自适应蚁群算法研究

李絮，刘争艳

LI Xu,LIU Zhengyan

阜阳师范学院计算机与信息学院，安徽阜阳236041

School of Computer and Information,Fuyang Teachers College,Fuyang,Anhui 236041,China

LI Xu,LIU Zhengyan.Fuzzy self-adaptive ant colony algorithm based on cloud https://www.360docs.net/doc/5e7993145.html,puter Engineering and Applications,2016,52（2）：24-27.

Abstract ：Since the control parameter is difficult to determine and the algorithm is easy to fall into stagnation,so there are still deficiencies in the ant colony algorithm.In this paper,the cloud model theory is adopted to improve the ant colony algorithm and a novel ant colony algorithm is proposed.In order to improve the algorithm ’s ability to develop and explore for path,the cloud model is used as the fuzzy membership function and the some global better paths are selected to update the pheromone.Meanwhile,by using the parameter of cloud membership function,the proposed algorithm can achieve self-adaptive mechanism.Simulation experimental results for the TSP show that the algorithm based on cloud model is more effective than both ACS and MMAS.

Key words ：ant colony algorithm;cloud model;fuzzy membership function;Traveling Salesman Problem （TSP ）

摘要：针对蚁群算法存在控制参数难以确定和易陷入停滞等不足，采用云模型理论对蚁群算法进行改进，将云模型作为模糊隶属函数，选择部分较优路径进行全局信息素更新，从而提高算法对路径的开发和探索，同时通过对云隶属函数的参数控制，实现算法的自适应调整策略。针对TSP 问题进行仿真实验对比，结果也表明基于云模型的蚁群算法要明显优于ACS 和MMAS 算法。

关键词：蚁群算法；云模型；模糊隶属函数；旅行商问题（TSP ）

文献标志码：A 中图分类号：TP391doi ：10.3778/j.issn.1002-8331.1401-0154

基金项目：安徽省教育厅自然科学基金（No.KJ2013Z259，No.2014KJ021，No.2014KJ023）；阜阳师范学院自然科学基金（No.2013FSKJ02ZD ）。作者简介：李絮（1983—），女，讲师，主要研究领域为计算智能、信息安全，E-mail ：lixu_2980534@https://www.360docs.net/doc/5e7993145.html, ；刘争艳（1981—），男，讲

师，主要研究领域为信息安全、视频图像处理。

收稿日期：2014-01-13修回日期：2014-03-10文章编号：1002-8331（2016）02-0024-04

CNKI 网络优先出版：2014-05-20,https://www.360docs.net/doc/5e7993145.html,/kcms/doi/10.3778/j.issn.1002-8331.1401-0154.html

24