TY - JOUR A2 - Li, Yanan AU - Chen, shao - pei AU - Yang, Ji AU - Li, Yong AU - Yang，SP - 8594792 VL - 2017 AB -神经网络模型近年来在解决车辆调度问题方面取得了显著的成就。自适应蚁群算法为神经网络解决多约束网络密集型车辆路径模型的复杂系统问题提供了一种新的思路。通过自适应调节操作过程中的挥发性因子来改变路径中的信息素。它有效地克服了传统蚁群算法容易陷入局部最优解和搜索全局最优解收敛速度慢的趋势。本文提出的基于自适应蚁群算法的多约束网络密集型车辆路由算法是指群之间的相互作用。在传统蚁群算法的基础上，引入自适应迁移和信息素更新策略，进一步优化算法的选择、更新和协调机制。这样，目标函数对可行解的搜索任务就由搜索蚂蚁完成了。通过不同种类蚂蚁的分工与协作，将信息素自适应策略与多态蚁群算法相结合。该方法有效地克服了早熟停滞等缺点，对复杂交通网络系统中大规模多约束车辆路径问题的研究具有理论意义。 SN - 1076-2787 UR - https://doi.org/10.1155/2017/8594792 DO - 10.1155/2017/8594792 JF - Complexity PB - Hindawi KW - ER -