蚁群算法及其在TSP问题中的应用研究

蚁群算法及其在TSP问题中的应用研究

摘要：tsp问题是一类典型的np完全问题，蚁群算法是求解该问题的方法之一。该文在研究蚁群算法的基本优化原理的基础上，建立了求解tsp 问题的数学模型，设计了一个求解tsp问题的蚁群算法程序，并通过仿真实验验证了算法的有效性，分析了蚂蚁规模、周游次数等因素对蚁群算法搜索结果所产生的影响。

关键词：tsp；蚁群算法；np完全问题

中图分类号：tp301 文献标识码：a 文章编号：1009-3044（2013）13-3117-03

旅行商问题（traveling salesman problem，简称tsp）是一个具有广泛应用背景和重要理论价值的组合优化问题，它已被证明属于np难题[1]。目前对于求解该类问题的研究主要有两个方向：一是传统的数学规划方法，这种算法可以得到全局最优解，但复杂性往往难以接受，因而不适应于大规模复杂问题的求解。二是近年来发展起来的各种仿生进化算法如遗传算法、蚁群算法等，此类算法能够在多项式时间内找到全局最优解或近似全局最优解[2]。蚁群算法（ant colony algorithm，简称aca）是受自然界中蚂蚁集体寻食过程的启发而提出来的一种新的智能优化算法，它具有高度的本质并行性、正反馈选择、分布式计算、鲁棒性等优点，蚁群算法最早成功地应用于解决tsp问题。

本文在研究蚁群算法的基本优化原理的基础上，编写了一个基于vc的求解tsp问题的蚁群算法程序，并且通过多次实验测试，验证