基于改进蚁群算法的最短路径问题研究(4)

控制理论与应用

Control Theory and Applications

《自动化技术与

应

用

》２

０

０

９

年第

２８卷第６期

能准确地找到全局最优路径。图3给出了改进算法的一次搜索过程,其中实心圆点图案表示当前求得的最优路径,空心圆圈为单轮搜索中求得的最短路径。从图中可以看出,在方向引导以及信息素更新的作用下,算法准确地找到了全局最优路径,并且在信息素更新的作用下,在找到最优路径以后,还在不断探索新路径。这充分说明了,改进算法在新的信息素更新规则的作用下,较基本蚁群算法遍历了更多的路径,从而更可能找到全局最优解。

短路径。

参考文献:

[1] COLORM A,DORIGO M,MINIEZZO V.Distributed op-timization by ant colonies[C].Proceeding of the First European

Conference on Artificial Life.Paris France:Elsevier Publishing,1991:134-142.

[2] DORIGO M,GAMBARDELLA L M.Ant colony system:a cooperative learning approach to the traveling salesman problem[J].IEEE Transactions on Evolutionary Computation,1997,1(1):53-66.

[3] ZHONGZHEN YANG,BIN YU,CHUNTIAN CHENG.A parallel ant colony algorithm for bus network optimization[J].Computer-Aid Civil and Infrastructure Engineering,2007,22(1):44-55.

[4] ATTIRATANASUNTHRON NATTAPAT,FAKCHAROENPHOL JITTAT.A running time analysis of an antcolony optimization algorithm for shortest paths in directed acyclicgraphs[J].Information Processing Letters,2008,105(3):88-92.

[5] 夏立民,王华.基于蚁群算法的最优路径选择问题的研究[J].计算机工程与设计,2007,28(16):3957-3959.

[6] 程世娟,卢伟.基于蚁群算法的最短路径搜索方法研究[J].科学技术与工程,2007,7(21):5706-5708.

图3 改进算法搜寻过程

5 结束语

本文在启发信息以及信息素更新等方面对蚁群算法进行了改进。改进算法不仅能优先搜索可能性较大的路径,而且能够有效扩大蚂蚁的搜索范围,避免在搜索过程中陷入局部最优解。试验证明,与基本蚁群算法相比,改进算法能够准确快速地找到最(上接第3页)

仿真中,隐含层传数为tansig函数,输出层为线性函数purelin,用trainlm方法对网络进行训练,模型参数在训练的权值系数中。为了加快训练时间,考虑实际工艺条件,由一次训练后接近实际系统的权值和阈值作为设计模型的初始值。由曲线可知,用神经网络进行辨识结果温度误差在1.5度之内。系统采样时间为2.5s,而经过初始权值和阈值选择之后再进行训练测试的时间为1.276s。

[1] 张殿华,刘文红,刘相华,王国栋,张志强,张中平,焦景民.

热连轧层流冷却系统的控制模型及控制策略[J].钢铁,2004,39(2):43-47．

[2] 彭良贵,刘相华,王国栋.热轧带钢层流冷却的控制策略及其应用[J].钢铁研究学报,2005,17(6):5-9．

[3] 任雪梅,高为炳.基于神经网络非线性系统辨识和控制的研究[J].控制理论与应用,1995,12(2):147-153．

[4] NICHOLAS.S.SAMARAS,SIMAAN,M.A.Novel ControlStructure for Runout Table Coiling Temperature Control[J]. SteelTechnology.2001,(6):55-59．

[5] 刘国栋.用神经网络辨识非线性大滞后系统的研究.信息与控制,2000,29(3):225-229．

[6] CHEN,S.J.,BISWAS.S.K.,HAN.L.F.,SATYANARAYANA.A.Modeling and analysis of controlled coolingfor hot moving metal plates[J].Monitoring and control for manu-facturing processes,American society of mechanical engineers,1990,44(6):465-473．

作者简介：张学敏（１９８３－），男，硕士研究生，研究方向：智能控制、智能交通等。

5 结束语

针对层流冷却系统精冷区非线性的特点进行基于人工神经网络的辨识,仿真结果表明,用改进的BP神经网络用于系统辨识有很高的拟和程度,能很好的描述非线性系统过程,获得了复杂的非线性处理能力。且改进算法避免了其陷入局部最小的缺点。此系统的层流冷却控制中,下一步的工作是对其进行合理的控制,利用辨识的过程对象进行控制,以达到更高的控制精度。

参考文献:

作者简介：李莉美（１９８２－），女，工学硕士，研究方向：控制理

论与控制工程。

| 7