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。