典型文献
基于混合反馈机制的扩展蚁群算法
文献摘要：
由于传统蚁群算法基于正反馈机制的单一搜索方式,导致其存在收敛速度慢、易陷入局部极值的缺点.针对该问题提出一种基于混合反馈机制的扩展蚁群算法(MF-ACO),该算法在传统蚁群算法的基础上定义一种具有较强全局搜索能力的扩展型蚂蚁,帮助算法跳出局部极值;参考蚁群劳动分工行为,设计基于刺激-响应分工模型的负反馈平衡机制,动态平衡算法的收敛能力和全局搜索能力;最后依据分工模型对蚂蚁个体的信息素更新策略进行改进,进一步加快算法收敛速度.以多个TSP实例作为测试对象进行仿真实验,实验结果验证了所提算法的优越性,并将该算法用于机器人路径规划问题,在实际应用中进一步验证了所提算法的有效性.
文献关键词：
正反馈;混合反馈机制;局部极值;劳动分工;刺激-响应分工模型
中图分类号：
作者姓名：
冯振辉;肖人彬
作者机构：
华中科技大学人工智能与自动化学院,武汉430074;华中科技大学人工智能研究院,武汉430074
文献出处：
引用格式：
[1]冯振辉;肖人彬-.基于混合反馈机制的扩展蚁群算法)[J].控制与决策,2022(12):3160-3170
A类：
混合反馈机制
B类：
蚁群算法,正反馈,收敛速度,速度慢,局部极值,MF,ACO,全局搜索,搜索能力,蚂蚁,跳出局部,劳动分工,工行,工模,负反馈,平衡机制,动态平衡,收敛能力,信息素更新策略,TSP,机器人路径规划,规划问题
AB值：
0.280071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
