将ACO应用于大规模TSP实例
神经与进化计算
2017-09-12 v1
摘要
蚁群优化（ACO）是一种著名的元启发式算法，已证明能成功求解旅行商问题（TSP）。然而，ACO存在两个问题：其一是该技术需要大量内存来存储城市间边上的信息素水平，其二是每一步选择下一个访问城市的迭代概率性质计算代价高昂。这限制了ACO求解更大规模的TSP实例。本文提出一种通过在更大TSP实例上部署ACO的方法论，其通过消除高内存需求、利用并行CPU硬件并引入显著的效率节省措施来实现。该方法带来了更高的准确度和速度。这使得所提出的ACO方法能够在合理时间尺度内使用单个CPU处理多达200K城市的TSP实例。该技术实现了高达1200倍的加速。
引用
@article{arxiv.1709.03187,
title = {Applying ACO To Large Scale TSP Instances},
author = {Darren M. Chitty},
journal= {arXiv preprint arXiv:1709.03187},
year = {2017}
}