巡回セールスマン問題に対するSet-based Comprehensive Learning PSOの改良

カテゴリ: 部門大会

論文No: TC11-1

グループ名: 【C】平成28年電気学会電子・情報・システム部門大会講演論文集

発行日: 2016/08/31

タイトル(英語): Improved of Set-based Comprehensive Learning PSO for Traveling Salesman Problem

著者名: 伊藤 航(千葉大学),小圷 成一(千葉大学),岡本 卓(千葉大学)

著者名(英語): Wataru Ito|Seiichi Koakutsu|Takashi Okamoto

キーワード: 粒子群最適化|組合せ最適化問題|巡回セールスマン問題巡回セールスマン問題|Particle Swarm Optimization|Combinatorial Optimization Problem|Traveling Salesman problem

要約(日本語): Particle Swarm Optimizaition(PSO) は，群を構成する個体が互いに情報を共有しながら解空間を探索するという手法であり，非常にシンプルなアルゴリズムで構成されているにも関わらず，連続値の非線形最適化問題の大域的最適解，もしくは準最適解を実用的な計算時間内に高い精度で求めることができる。これに対して離散変数最適化問題に対する手法として， Set-Based Comprehensive Learning PSO(S-CLPSO) が提案されている。本研究は，S-CLPSO を離散変数最適化問題の一つである，巡回セールスマン問題に適用した際の探索性能の向上を目的とする。具体的には，S-CLPSO の探索において，探索初期段階での個体群の集中化とそれによる探索の停滞を防止する操作を導入する。計算機実験の結果，提案手法は従来手法より有効であることが示された。

PDFファイルサイズ: 619 Kバイト