抽象的

基于突出粒子群优化的旅行商问题求解方法比较研究

Akhand MAH、谢克·伊姆兰·侯赛因和沙希娜·阿克特

近年来,受自然现象启发的计算方法引起了人们的极大兴趣。在已开发的算法中,粒子群优化 (PSO) 模仿鸟群或鱼群的行为,由于其简单性和性能而成为最著名的方法。针对最流行的组合问题旅行商问题 (TSP),开发了多种基于 PSO 的方法。本研究的目的是对解决 TSP 的几种基于 PSO 的突出方法进行比较研究。这项研究很重要,因为不同的研究人员开发了不同的基于 PSO 的方法,并在不同的问题集上进行了测试。因此,以类似的方式描述基于 PSO 的突出方法可以揭示个体的不同特征。此外,在通用基准 TSP 数据集上的实验结果将揭示每种方法的性能。在本研究中,这些方法已在大量基准 TSP 上进行了测试,并对它们之间的结果进行了比较,以及蚁群优化 (ACO),这是解决 TSP 的突出方法。实验结果表明,增强型自尝试 PSO (ESTPSO) 和速度尝试 PSO (VTPSO) 的表现优于 ACO;而自尝试 PSO (STPSO) 可与 ACO 相媲美。另一方面,实验分析表明,ESTPSO 的计算量比其他算法大,而 VTPSO 解决基准问题所用时间最少。本文解释了每种方法的性能和时间要求背后的原因,并发现 VTPSO 是解决 TSP 问题最有效的基于 PSO 的方法。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证