融合熵聚类和增广变邻策略的蚁群优化算法

作     者：李晗珂 游晓明 刘升 LI Hanke;YOU Xiaoming;LIU Sheng

作者机构：上海工程技术大学电子电气工程学院上海201620 上海工程技术大学管理学院上海201620 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年第30卷第6期

页      面：2115-2129页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61075115,61673258) 上海市自然科学基金资助项目(19ZR1421600) 

主　　题：蚁群算法 旅行商问题 熵聚类 增广变邻 路径相似性 

摘      要：针对蚁群算法求解大规模旅行商问题时存在收敛速度慢、易陷入局部最优的问题,提出一种融合熵聚类和增广变邻策略的蚁群优化算法。首先提出融合信息熵的聚类策略,利用熵确定最佳截断距离对数据集进行合理划分;通过求解每个子簇形成初始路径,并为全局寻优提供导向信息素,从而提升收敛速度。其次提出增广变邻策略,将蚂蚁分为爬行蚁和滑翔蚁,滑翔蚁引入的增广变邻策略在迭代后更新节点和邻居信息素,而且通过邻居数量随最优解质量动态匹配,来强化邻居节点探索,以平衡收敛速度与解的质量。当算法陷入停滞时,利用路径相似性机制平滑非公共路径信息素,帮助算法跳出局部最优。通过对旅行商问题数据集进行实验仿真表明,所提算法有效平衡了收敛速度与解的精度,尤其对于大规模问题,显著提高了解的质量。