二元群智能算法求解组卷问题研究

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｈｅｔａｌｇｏｒｉｔｈｍ，ｈｅｔｐｅｒｆｏｒｍａｎｃｅｏｆｈｅｔＢＡＣＯ－ＣＡｎｄａｈｅｔＢＰＳＯ－ＣＡｆｏｒｈｅｔｔｅｓｔｐａｐｅｒｐｒｏｂｌｅｍＷａｓｄｉｓｃｕｓｓｅｄ．Ｅｘｐｅｉｍｅｒｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｈａｔｔｈｅｔｔｗｏｌｇａｏｉｔｒｈｍｃａｎｉｎｆｉｓｈｈｅｔｇｒｏｕｐｐｒｏｂｌｅｍｓｏｌｖｉｎｇｉｎｐｏｌｙｎｏｉａｍｌｔｉｍｅ，ｂｕｔｈｅｔＢＰＳＯ—ＣＡｈｓａｔｈｅｇｏｏｄｐｅｆｏｒｒｍａｎｃｅ，ａｎｄＣｎａｓｏｌｖｅｈｅｔｔｅｓｔｐａｐｅｒｐｒｏｂｌｅｍｉｎｐｏｌｙｎｏｍｉａｌｉｍｅ，ｔｎｄａｃｏｎｖｅｒｇｅｔｏｈｅｔｇｌｏｂａｌｏｐｉｔｍａｌｓｏｌｕｉｏｔｎｉｎａｓｈｏｒｔｔｉｍｅ．Ｋｅｙｗｏｒｄｓ：ｂｉｎａｒｙｎｔａｃｏｌｏｎｙｌｇａｏｉｔｈｍ；ｔｂｉｎａｒｙｐａｒｔｉｃｌｅＳＷＲＩＴＩＩｏｐｉｔｉｚｍａｉｔｏｎ；ｔｅｓｔｐａｅｒｐｐｒｏｂｌｅｍ；ｔｉｍｅｐｅｆｏｒｒｍａｎｃｅｎａａｌｙｓｉｓ
程美英，钱乾：
（１．安徽商贸职业技术学院电子信息工程系，安徽芜湖２４１００２；
２．安徽工程大学计算机与信息学院，安徽芜湖２４１０００）
摘要：二元蚁群优化算法（ＢＡＣＯ— ＣＡ）及二元粒子群优化算法（ＢＰＳＯ— ＣＡ）作为基于概率的随机搜索智能算法，二者在
寻优机理上有着显著的不同。以大规模组合优化问题组卷问题为例，通过设置算法中的参数，探讨二元蚁群优化算法和二元粒子群优化算法求解组卷问题性能的优劣。仿真实验表明，二元蚁群优化算法和二元粒子群优化算法虽然均能在多
第２３卷
第５期
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
２０１３年５月
Ｖ０１．２３Ｎｏ．５Ｍａｙ．２０１３
二元群智能算法求解组卷问题研究
（１．ＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＤｅｐａｒｔｍｅｎｔ，ＡｎｈｕｉＢｕｓｉｎｅｓｓＣｏｌｌｅｇｅｏｆＶｏｃａｉｔｏｎａｌＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈｕ２４１００２，Ｃｈｉｎａ；
ＳｗＲｖｎｌｏｐｉｔｍｉｚａｔｉｏｎ（ＢＰＳＯ－ＣＡ）ｈａｓｈｅｔｄｉｆｅｒｅｎｔｏｐｉｔｍｉｚａｔｉｏｎｍｅｃｈａｎｉｓｍ．Ｔａｋｅｈｅｔｔｅｓｔｐａｐｅｒｆｏｒｅｘａｍｐｌｅ，ｂｙｅｔｓｔｉｎｇｈｅｔｐｒａａｍｅｔｅｒｓｏｆ
２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｍｒａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＡｎｈｕｉＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈｕ２４１０００，Ｃｈｉｎａ）
项式时间内完成组卷问题的求解，但二元粒子群优化算法在求解组卷问题时较二元蚁群优化算法具有更好的时间性能，
能在较短的时间收敛到全局最优解。
关键词：二元蚁群算法；二元粒子群算法；组卷问题；时间性能对比分析
Ａｂｓｔｒａｃｔ：Ａｓａｒａｎｄｏｍｓｅａｒｃｈａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｒｏｂａｂｉｌｉｔｙ，ｔｈｅｂｉБайду номын сангаасｎａｒｙａｎｔｃｏｌｏｎｙａｌｇｏｉｒｔｈｍ（ＢＡＣＯ— ＣＡ）ａｎｄｔｈｅｂｉｎａｒｙｐａｒｔｉｃｌｅ
中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１６７３－６２９Ｘ（２０１３）０５－００７９－０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１３．０５．０２０
ＲｅｓｅａｒｃｈｏｎＢｉｎａｒｙＳｗａｒｍＩｎｔｅｌｌｉｇｅｎｃｅＡｌｇｏｒｉｔｈｍｆｏｒＴｅｓｔＰａｐｅｒＰｒｏｂｌｅｍ
ＣＨＥＮＧＭｅｉ — ｙｉｎｇ．ＱＩＡＮＱｉａｎ ’ 。