《表4 DP-ACS算法与其他算法在小规模TSP案例上的比较》

  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

《分层递进的改进聚类蚁群算法解决TSP问题》

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4可以得出，当TSP问题集选取案例较小时，比如eil51、berlin52，除蚁群算法外，DP-ACS算法与其他两种算法的实验结果相差不大，几乎相同，并且算法均能找到eil51、berlin52问题的最优路径解，解值分别是426、7 542。虽然说eil51和berlin52问题的城市点数几乎相同，但是从它们的最优路径解值可以看出它们各自的城市点位置分布稀疏情况不同，eil51的城市点与点之间更为靠近，berlin52的城市点与点之间更为疏远。当通过改进的聚类算法对问题集berlin52进行聚类处理后，可以将问题中的城市点进行分类，划分到一类簇中。然后根据粒子群算法优化后的参数α和β交由改进后的蚁群算法进行运算处理，这样可以节约蚂蚁判断前往下一个城市的运算时间。因为由蚁群算法状态转移规则可知，两个城市间的间隔越短，蚂蚁从当前城市去往间隔短的城市的概率就会越大，密度峰聚类就是把离中心节点最近的城市化为一类，那么在这一类中的节点与节点之间的距离远远小于与其他类中的节点距离。