《表3 eil101数据的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种自适应分组的蚁群算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1～4分别是4组城市数据采用PACS不同分组数求解最短规则路径结果，图2演示各组数据求解最短路径值与分组数的关系图。可以看出，前期随着分组数变多，并行蚁群算法得到的最优解越好，但是分组数大约超过8组后，算法得到的最优解慢慢趋于稳定，即最优解不再随分组数增多而变化。从表1～4中的实验结果中发现，并行蚁群算法分组数在10组之后的最优解基本不变，还会慢慢变差。由文献[13]知，分组蚁群算法对蚂蚁进行均匀分组，每组蚂蚁在各自的子区域内采用不同的方法进行搜索，每次搜索完后产生新的全局最优解。分组这一策略使搜索不易陷入局部最优解，也使搜索空间大幅度减小；而且每轮迭代过程中采用了大步长和小步长搜索，使得蚂蚁位置的更新更具效率和准确性。通过这些策略使得算法寻优精度和速度都得到了显著的提高。但是通过图2分析可知，蚂蚁分组并不是越多越好，因为并行蚁群算法是在一般蚁群算法的基础上提出的，每组蚂蚁的实验运行原理还是按照一般蚁群算法的思想在运行，故分组多了的话，因蚂蚁总数是固定的，这样就会导致每组中的蚂蚁过少，那么每组蚂蚁在算法步骤2中的相对独立寻优阶段就会受到影响，使算法收敛速度降低，全局搜索能力下降，易陷入局部最优中。一般并行蚁群算法把蚂蚁分到8组以下。