【二次分配问题】基于遗传算法（GA）、粒子群优化（PSO）和萤火虫算法（FA）求解二次分配（ QAP）问题（MATLAB 实现）

news/2024/5/17 19:30:04/文章来源:https://blog.csdn.net/weixin_46039719/article/details/126908239

1 概述

3 Matlab代码及文章阅读

4 运行结果

4.1 萤火虫算法

4.2 粒子群优化算法

4.3 遗传算法

5 参考文献

1 概述

目前，该问题已经得到深入的研究，进化策略(evolutionstrategies)、遗传算法(genetic algorithms)、遗传规划(geneticprogramming),进化规划( evolutionary programming)等统称为进化计算P(evolutionary computation)的方法以及蚂蚁算法等为该问题的求解提供了独特的思路。Kennedy 等人于1995年提出的粒子群优化算法fK(particle swarm optimization,简记为PSO)又成为进化计算家族的新成员，和遗传算法相比, PSO算法没有复杂的交叉和变异操作,因而具有简单、容易编程实现的优点,因此该算法一提出立刻引起研究者们特别的关注并被应用到很多领域。本文尝试将该算法用于求解二次分配问题,实验结果说明该方法是有效的、可行的。

3 Matlab代码及文章阅读

本文仅展现部分代码，全部代码及文章点击链接：

【二次分配问题】基于遗传算法（GA）、粒子群优化（PSO）和萤火虫算法（FA）求解二次分配（ QAP）问题（MATLAB 实现）

4 运行结果

4.1 萤火虫算法

4.2 粒子群优化算法

4.3 遗传算法

QAP问题是经典的NP问题,本文采用了多种优化算法来解，决该问题,实验结果表明了算法的有效性。尽管我们的算法比较目前解决QAP问题的经典算法,比如 ant system 算法s在解决问题的能力和速度方面有一些差距，但是应用PSO算法解决QAP问题是―种崭新的尝试，它对于我们将PSO 算法应用于离散问题,特别是组合优化问题无疑具有启发性,并为我们进一步深入研究奠定了基础。
目前该粒子群算法的各种参数的确定还有待研究,相信随着该算法研究的不断深入，该算法会获得越来越广泛的应用，并得到不断的改进。今后我们将会进一步对该实验中涉及到的参数进行不断的实验和改进,使找到的解更加优化,还会尝试着把该算法运用到其他的组合优化问题中,同时还会考虑用其他的算法去解决二次分配问题。