论文部分内容阅读
针对蚁群算法在求解大规模多维背包问题时存在的迭代次数过多、精度不高的不足，提出一种新的高性能的蚁群求解算法．算法将信息素更新和随机搜索机制的改进相融合．首先，基于对较优解的偏爱，采用Top—κ策略从每次迭代的κ个解中挖掘出对象间的关联距离；其次，以对象为信源借助关联距离建立信息素的扩散模型，通过信息素扩散的耦合补偿，强化了蚂蚁间的协作和交流；最后，利用一种简单的变异策略对迭代的结果进行优化．在通用数据集上的大量实验表明：与最新的蚁群算法相比，新算法不仅能获得更好的最优解，而且收敛速度有显著的提高．