应用局部聚类方法提高蚁群优化算法的运行速度
神经与进化计算
2009-07-07 v2 人工智能
摘要
蚁群优化算法(ACO)的时间复杂度为O(t*m*N*N)，其典型应用是解决旅行商问题(TSP)，其中t、m和N分别表示迭代次数、蚂蚁数量和城市数量。缩短运行时间是研究重点之一，一种方法是减少参数t和N，尤其是N。针对这一重点，本文提出以下方法。首先，设计一种名为特殊局部聚类算法(SLC)的新型聚类算法，然后将其应用于将所有城市分类为紧凑类，其中紧凑类是指该类中所有城市紧密聚集在一个小区域内的类。其次，让ACO作用于每个类以获得局部TSP路径。第三，将所有局部TSP路径连接起来形成解。第四，消除由聚类引起的解的不准确性。仿真表明，所提出的方法将ACO的运行速度提高了至少200倍。这种高速度得益于两个因素。一是类具有小尺寸，参数N被削减。当ACO作用于紧凑类时，每次迭代步长的路径长度是收敛的。另一个因素是，利用路径长度的收敛性作为ACO的终止准则，参数t被削减。
引用
@article{arxiv.0907.1012,
title = {Apply Local Clustering Method to Improve the Running Speed of Ant Colony Optimization},
author = {Chao-Yang Pang and Wei Hu and Xia Li and Be-Qiong Hu},
journal= {arXiv preprint arXiv:0907.1012},
year = {2009}
}
备注
21 pages, 5figures