蚁群粒子群混合优化算法及应用的任务书.docx

蚁群粒子群混合优化算法及应用的任务书
任务书
一、任务背景
蚁群算法（AntColonyOptimization）和粒子群算法（ParticleSwarmOptimization）是两种基于自然界现象的优化算法，它们在解决复杂问题方面都有着良好的表现。然而，由于这两种算法各自具有的优缺点和适用范围，存在无法很好地解决一些具有复杂结构的优化问题的问题。因此，将两种算法进行有机融合，可以有效地克服它们本身的不足，进而更好地解决一些复杂的优化问题。
二、任务目的
本次任务的目的是让参与者掌握蚁群粒子群混合优化算法的原理与实现方法，并在此基础上实现一个应用案例。
三、任务要求
1.掌握蚁群算法和粒子群算法基本原理；
2.掌握蚁群粒子群混合优化算法的实现过程和方法；
3.在MATLAB等相关软件平台上实现蚁群粒子群混合优化算法；
4.选择一个实际问题或优化问题，在实现算法的基础上，将该问题转化为优化问题，通过蚁群粒子群混合优化算法得出较优解；
5.将结果分析并进行可视化展示，写出实验报告。
四、任务时间
任务时间为两周。
五、参考资料
1.MarcoDorigo等.Antcolonyoptimization.IEEEComputationalIntelligenceMagazine,2006,1(4):28-39.
2.S.H.Park等.Particleswarmoptimizationalgorithmwithsearchspacereduction.IEEETransactionsonMagnetics,2004,40(2):1232-1235.
3.贺江波等.蚁群粒子群混合优化算法研究.控制与决策,2005,20(10):1166-1169.
4.姚晓军等.MATLAB神经网络原理与实例.北京:人民邮电出版社,2013.
六、实验报告要求
1.简要介绍蚁群算法和粒子群算法的基本原理；
2.详细介绍蚁群粒子群混合优化算法的实现方法；
3.选择的任务问题描述和具体分析；
4.实验数据的采集和处理，结果分析并可视化展示；
5.算法的效果分析与对比实验，讨论算法的优点和不足；
6.总结及感受。
七、参考文献
1.钟志娟，王文斌.蚁群算法与粒子群算法的优化算法组合研究[J].数字技术与应用,2011,7(11):94-96.
2.李欣荣.蚁群粒子群混合算法研究[J].计算机应用研究,2012,29(11):3820-3822.
3.杨宏伟.混合蚁群和粒子群优化问题解法研究[D].西北民族大学,2012.
4.李放.蚁群与粒子群混合优化算法在TSP问题中的应用[J].软件导刊,2014,13(4):35-37.
5.章洋洋，肖伟欣.基于蚁群与粒子群混合算法研究与优化[J].计算机工程与应用,2015,51(14):40-42.