粒子群算法tsp java_粒子群算法解决TSP问题
1. 粒子群算法简介
粒子群算法(particle swarm optimization,PSO)由Kennedy和Eberhart在1995年提出,属于进化算法的一种,是通过对模拟鸟群扑食行为设计的。
基本思想:
从随机解出发,通过迭代寻找最优解,通过适应度来评价解的品质。
场景设定 :
一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。
粒子群算法的几个概念
粒子:场景中的一只鸟;
种群:场景中的一群鸟;
位置:粒子(鸟)所在的位置;
速度:鸟的飞行速度,粒子的移动速度;
适应度:鸟距离食物远近,粒子距离目标的评价。
2. 算法分析
算法流程
粒子群算法流程.png
流程描述
1.首先随机生成粒子,并组成种群;其中粒子的数量及种群的大小可以控制;
2. 计算每个粒子的适应度值;
3. 通过当前适应度值是pBest(当前粒子的历代最佳值)和gBest(种群的历代最佳值)进行对比,来更新当前粒子的速度和位置;
4. 判断是否满足退出条件(达到迭代次数或者最优解的误差满足设定的阈值),若不满足则转向 2.
速度与位置的更新
粒子群算法的核心就是每个粒子位置和速度的更新
速度更新
速度更新公式
v:粒子当前的速度; w是惯性因子; position是粒子当前的位置; pBest是当前粒子历代最好的位置;gBest是种群中当前最好的位置; c1和c2 是学习因子,分别是向pBest和gBest学习。
速度更新的三部分解读
w*v : 惯性保持部分,粒子沿着当前的速度和方向惯性飞行,不会偏移。假如没有惯性部分,粒子会很快向pBest和gBest移动,很容易陷入局部最优。有了惯性,粒子就会有在空间中自由飞行的趋势,能够在整个空间寻找最优解。
c1*rand()*(pBest-position):自我认知部分,粒子有回到自身历代最好位置的意愿。假如没有自我认知部分,粒子将很快向gBest移动,很容易陷入局部最优。
c2*rand()*(gBest-postion):社会认知部分,粒子有向种群中最好位置学习的意愿。假如没有社会认知部分,所有的粒子都向各自的pBest移动,各自陷入自身的最优解,从而导致整个过程不收敛。
位置更新
位置更新公式
3. TSP问题
TSP问题(Travelling Salesman Problem)即旅行商问题: 又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。
TSP问题是一个组合优化问题, 是一个NPC问题,分为两类: 一类是对称TSP问题(Symmetric TSP),另一类是非对称问题(Asymmetric TSP)。
4. 粒子群算法解决TSP问题
算法的实现
粒子的表示:TSP问题的一个解为一个序列,可以表示为一个粒子;
速度的表示:用一个序列的交换序列表示粒子的速度。
适应度函数的定义: 当前序列的路径长度即为适应度值,通过经纬度坐标计算。
惯性因子的定义:自身的交换序列即惯性因子
Java代码实现
速度和位置的更新
更新公式:Vii=wVi+ra(Pid-Xid)+rb(Pgd-Xid)
private void evolution() {
for (int t = 0; t < MAX_GEN; t++) {
for (int k = 0; k < scale; k++) {
ArrayList vii = new ArrayList<>();
//第一部分:惯性保持部分,自身交换对
int len = (int) (w * listV.get(k).size());
for (int i = 0; i < len; i++) {
vii.add(listV.get(k).get(i));
}
//第二部分:自我认知部分,和当前粒子中出现最好的结果比较,得出交换序列
//ra(Pid-Xid)
ArrayList a = minus(mUnits.get(k).getPath(), Pd.get(k).getPath());
float ra = random.nextFloat();
len = (int) (ra * a.size());
for (int i = 0; i < len; i++) {
vii.add(a.get(i));
}
//第三部分:社会认知部分,和全局最优的结果比较,得出交换序列
//rb(Pgd-Xid)
ArrayList b = minus(mUnits.get(k).getPath(), Pgd.getPath());
float rb = random.nextFloat();
len = (int) (rb * b.size());
for (int i = 0; i < len; i++) {
vii.add(b.get(i));
}
listV.remove(0);
listV.add(vii);
//执行交换,生成下一个粒子
exchange(mUnits.get(k).getPath(), vii);
}
//更新适应度的值
for (int i = 0; i < scale; i++) {
mUnits.get(i).upDateFitness();
if (Pd.get(i).getFitness() > mUnits.get(i).getFitness()) {
Pd.put(i, mUnits.get(i));
}
if (Pgd.getFitness() > Pd.get(i).getFitness()) {
Pgd = Pd.get(i);
bestT = t;
}
}
}
}
粒子群算法tsp java_粒子群算法解决TSP问题相关推荐
- 粒子群算法tsp java_粒子群算法解决TSP问题汇总.doc
PAGE \* MERGEFORMAT 14 河南理工大学计算机科学与技术学院课程设计报告 2014- 2015学年第一学期 课程名称 Java语言程序设计 设计题目 利用粒子群算法解决TSP问题 姓 ...
- tsp java_蚁群算法java实现以及TSP问题蚁群算法求解
1. 蚁群算法简介 蚁群算法(Ant Clony Optimization, ACO)是一种群智能算法,它是由一群无智能或有轻微智能的个体(Agent)通过相互协作而表现出智能行为,从而为求解复杂问题 ...
- tsp java_基于贪心算法求解TSP问题(JAVA)
前段时间在搞贪心算法,为了举例,故拿TSP来开刀,写了段求解算法代码以便有需之人,注意代码考虑可读性从最容易理解角度写,没有优化,有需要可以自行优化! 一.TPS问题 TSP问题(Travelling ...
- MATLAB蚁群算法、遗传算法、粒子群算法解决TSP问题(可以直接运行)
MATLAB蚁群算法.遗传算法.粒子群算法解决TSP问题(可以直接运行) 1. 生成数据文件citys_data.mat 2. 蚁群算法 流程图 代码 结果展示 3.遗传算法 流程图 代码 结果展示 ...
- pso解决tsp matlab,计算智能课程设计_粒子群优化算法求解旅行商问题_Matlab实现.doc...
计算智能课程设计_粒子群优化算法求解旅行商问题_Matlab实现.doc 摘要:TSP是一个典型的NPC问题.本文首先介绍旅行商问题和粒子群优化算法的基本概念.然后构造一种基于交换子和交换序[1]概念 ...
- 群智能算法及其应用(蚁群算法和粒子群算法)
粒子群算法 粒子群优化算法及其应用 粒子群优化算法流程图 粒子群优化算法的参数分析 粒子群算法解决TSP问题 项目结构 运行截图 数据集 NAME: st70 TYPE: TSP COMMENT: 7 ...
- 多目标粒子群优化算法_基于粒子群优化的投资组合优化研究
原文链接: 基于粒子群优化的投资组合优化研究tecdat.cn 我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化.在本文中,我将介绍投资组合优化并解释其重要性.其次,我将演示粒子群优 ...
- 度量相似性数学建模_一种基于粒子群位置更新思想灰狼优化算法的K-Means文本分类方法与流程...
技术特征: 1.一种基于粒子群位置更新思想灰狼优化算法的k-means文本分类方法,其特征在于:包括以下步骤: s1:对文本数据进行预处理,得到预处理后文本数据: s2:采用余弦角度为相似性度量,分别 ...
- trainlm算法c语言,粒子群优化的BP神经网络模型对C、Mn两种元素收得率的预测
粒子群优化的BP神经网络模型对C.Mn两种元素收得率的预测 来源:用户上传 作者: 摘 要:本文首先对数据进行处理,利用收得率公式求出历史收得率:并利用已知的影响元素收得率的主要影响因素结合BP神经网 ...
最新文章
- Nginx-location常用配置
- h5 跳转上个页面刷新_关于javascript跳转与返回和刷新页面
- 电子政务“云”成大势
- Github+docsify打造在线文档网站
- 一元三次方程重根判别式_一元四次方程的常规解法
- 去掉IE上的 单击以激活和使用此控件 提示
- 常用的DIV+CSS网站布局的基本框架结构-完整版
- 循环数组实现队列的四种方式
- php时钟制作心得,电子钟课程设计心得
- mysql版本查询命令
- sql server在指定模式下创建表
- 张家界 凤凰 旅游有感
- My Sixty-fifth Page - 整数拆分 - By Nicolas
- 解决外接显示屏耳机没声音问题
- 499服务器响应,一边制造,一边讲解http状态码502|504|499|500
- 起源地杯青年足球锦标赛
- Chrome插件的使用
- DDSM多区域标注之处理overlay文件框出病灶区域
- python数据分析学生成绩查询系统_python数据分析-学生成绩分析
- 最全的计算机会议排名
热门文章
- 【计算机网络复习 数据链路层】3.6.2 以太网
- yaml parse python_python-yaml
- nginx解决浏览器跨域问题_前端通过Nginx反向代理解决跨域问题
- 北师大计算机试题五答案,北京师范大学计算机软件及理论2022考研招生分析、参考书、真题等复习指导解析...
- java中事件的概念,事件中心上IoTHub数据的概念
- java 切换主线程_Java线程状态及切换、关闭线程的正确姿势分享
- latex自动生成中文目录_texpad: 中文输出+自动参考文献生成(bib+bst)
- Debian10降级安装php,如何在Debian 10 Linux上安装PHP
- php知识点_PHP那些琐碎的知识点(整理)
- python+OpenCV图像处理(二)图像像素的访问、通道的合并与分离