求解0-1规划的生长竞争蚁群算法

J4 ›› 2012, Vol. 34 ›› Issue (3): 128-131.

求解0-1规划的生长竞争蚁群算法

管屏1，朱刚1，马良2，邱勇平1

(1.上海第二工业大学电子与电气工程学院，上海 201209；2．上海理工大学管理学院，上海 200093)

收稿日期:2010-09-20 修回日期:2011-03-15 出版日期:2012-03-26 发布日期:2012-03-25
基金资助:
国家自然科学基金资助项目(70871081);上海市重点学科建设资助项目(S30504);上海市教育委员会重点学科建设项目(J51801)

A Growing Competitive Ant Algorithm for the 01 Programming Problem

GUAN Ping1，ZHU Gang1，MA Liang2，QIU Yongping1

(1.School of Electronic and Electric Engineering,Shanghai Second Polytechnic University,Shanghai 201209;
2.Business School,University of Shanghai for Science and Technology,Shanghai 200093,China)

Received:2010-09-20 Revised:2011-03-15 Online:2012-03-26 Published:2012-03-25

摘要/Abstract

摘要：

0-1规划是决策变量仅取值0或1的一类特殊的整数规划，具有深刻的背景和广泛的应用。植物的生长取决于对光资源的获取，本文将植物生长的竞争机制引入蚁群算法，给出了一种求解0-1规划的生长竞争蚁群优化算法。算法定义了0-1规划的生长竞争演化规则，建立了算法模型，提高了蚁群的全局优化能力。通过对多个实例的求解和验证，结果表明该方法是一种有效的方法。

关键词: 蚁群算法, 生长竞争, 0-1规划

Abstract:

The 0-1 programming is a special class of integer programming, with a deep background and a wide range of applications. In order to solve the problem of 0-1 programming, we present a growing competition ant optimization algorithm. This algorithm uses a rule of growing competition in order to improve the ability of global optimization. The experimental results illustrate that the algorithm is feasible and effective.

Key words: ant algorithm;growing competitive;0-1 programming

管屏1，朱刚1，马良2，邱勇平1. 求解0-1规划的生长竞争蚁群算法[J]. J4, 2012, 34(3): 128-131.

GUAN Ping1，ZHU Gang1，MA Liang2，QIU Yongping1. A Growing Competitive Ant Algorithm for the 01 Programming Problem[J]. J4, 2012, 34(3): 128-131.

参考文献［10］

［1］	汤志高,谢冰,于琳. 编组站调度计划01 规划法［J］. 数学的实践与认识, 2009, 39(16):113122.
［2］	陈学中,盛昭瀚,李文喜. 科研项目选择的0  1目标规划模型［J］. 科研管理, 2005,26(4):117121.
［3］	王锦江. 基于01规划的双雷达交叉定位相关组合模型［J］. 弹箭与制导学报,2004,24(2):212214.
［4］	李卉, 邱志明, 王航宇. 基于01规划的弹种决策与发射时序优化［J］.海军工程大学学报,2009,21(5):97101.
［5］	隋允康,贾志超. 01线性规划的连续化及其遗传算法解法［J］.数学的实践与认识,2010,40(6):119127.
［6］	刘勇,马良. 非线性01规划的元胞蚁群算法［J］. 系统管理学报,2010,19(3):351355.
［7］	孙滢,高岳林.一种求解多目标01规划问题的自适应粒子群算法［J］. 计算机应用与软件,2009,26(12):7172.
［8］	Colorni A,Dorigo M,Maniezzo V. Distributed Optimization by Ant Colonies［C］∥Proc of the First European Conf on Artificial Life,1991:134142.
［9］	王东生, 曹磊. 混沌、分形及其应用［M ］. 合肥:中国科学技术大学出版社, 1995.
［10］	李彤,王春峰,王文波,等. 求解整数规划的一种仿生类全局优化算法［J］. 系统工程理论与实践,2005,25(1):7685.

[1]	顾楚梅, 曹建军, 王保卫, 徐雨芯, . 基于蚁群参数优化的LightGBM辐射源个体识别[J]. 计算机工程与科学, 2023, 45(01): 85-94.
[2]	赵广元, 赵英. 基于改进蚁群优化算法的养殖场机器人路径规划[J]. 计算机工程与科学, 2022, 44(05): 910-915.
[3]	刘雨青, 向军, 曹守启. 基于改进蚁群算法的水下自主航行机器人路径规划[J]. 计算机工程与科学, 2022, 44(03): 536-544.
[4]	胡平志, 李泽滔. 基于改进蚁群算法的四足机器人步态规划[J]. 计算机工程与科学, 2021, 43(12): 2253-2262.
[5]	宋阿妮, 包贤哲. 精英扩散蚁群优化算法求解运输无人机三维路径规划[J]. 计算机工程与科学, 2021, 43(10): 1891-1900.
[6]	马贵平, 潘峰. 基于改进蚁群算法的物流运输路径研究[J]. 计算机工程与科学, 2020, 42(03): 523-528.
[7]	曹新亮, 王智文, 冯晶, 查敏, 王宇航. 基于改进蚁群算法的机器人全局路径规划研究[J]. 计算机工程与科学, 2020, 42(03): 564-570.
[8]	张卫祥，齐玉华，魏波，张敏，窦朝晖. 基于蚁群算法的测试用例优先排序[J]. 计算机工程与科学, 2020, 42(02): 241-249.
[9]	喻小惠1，张晶1,2，陶涛3，龚力波4，黄云明1，傅铁威1. 基于蚁群策略的无线传感器网络能耗均衡分簇算法[J]. 计算机工程与科学, 2019, 41(07): 1197-1202.
[10]	郑延斌1,2，王林林1，席鹏雪1，樊文鑫1，韩梦云1. 动态环境下改进蚁群算法的多Agent路径规划[J]. 计算机工程与科学, 2019, 41(06): 1078-1085.
[11]	吴尚智1，张文超2，佘志用1，张霞1，段超1. 利用蚁群优化算法的粗糙集属性约简方法[J]. 计算机工程与科学, 2019, 41(03): 538-544.
[12]	覃远年，梁仲华. 蚁群算法研究与应用的新进展[J]. 计算机工程与科学, 2019, 41(01): 173-184.
[13]	张立毅1，肖超2，费腾1. 基于细菌觅食的改进蚁群算法[J]. 计算机工程与科学, 2018, 40(10): 1882-1889.
[14]	李娟1，汤德佑1，傅娟2，3. 一种基于蚁群算法的生物序列并行比对方法[J]. 计算机工程与科学, 2017, 39(09): 1610-1616.
[15]	张于贤，丁修坤，薛殿春，王晓婷. 求解旅行商问题的改进蚁群算法研究[J]. 计算机工程与科学, 2017, 39(08): 1576-1580.