基于 SOA 和 Floyd 算法优化 ACO 解决旅行商问题

宏 高(辽宁科技大学计算机与软件工程学院，中国)
迎春 李(辽宁科技大学计算机与软件工程学院，中国)

摘要

本文针对蚁群算法容易陷入局部最优等问题，提出一种基于海鸥算法和弗洛伊德算法的改进蚁群算法来求解旅行商问题，融合算法特性构建新信息素更新机制，利用弗洛伊德算法优化初路径。数据实验结果表明，该改进算法显著提升全局搜索能力与收敛速度，优化求解质量，在时效与精度上优势明显，具广泛应用潜力。

关键词

旅行商问题；海鸥算法；弗洛伊德算法；蚁群算法

参考

Dorigo M. Ant colony optimization[D]. University of Parma, 1992

Dhiman G, Kumar V. Seagull optimization algorithm: Theory and its applications for large-scale industrial engineering problems[J]. Knowledge-Based Systems, 2019, 165: 169-196.

Floyd R W. Algorithm 97: shortest path[J]. Communications of the ACM, 1962, 5(6): 345.

Wang J, Ersoy O K, He M, et al. Multi-offspring genetic algorithm and its application to the traveling salesman problem[J]. Applied Soft Computing, 2016, 43: 415-423.

DOI: http://dx.doi.org/10.12345/bdai.v7i2.37677