基于深度搜索的改进角蜥蜴优化算法求解TSP问题

摘要

针对角蜥蜴优化算法(horned lizard optimization algorithm, HLOA)无法求解旅行商问题(traveling salesman problem, TSP),并且改进的连续型元启发式算法求解TSP问题存在寻优能力不足等问题，提出一种基于深度搜索的改进角蜥蜴优化算法(improved horned lizard optimization algorithm with depth search, DSIHLOA).该算法通过双重编码方式将HLOA离散化；通过提出的信息共享策略提高算法前期的收敛速度；设计深度搜索过程提高算法的搜索能力，并提出Greedy-Insert、Greedy-Swap和2-Opt-2算子应用到深度搜索过程中.通过多个TSP标准算例对DSIHLOA的性能进行测试，并与传统元启发式算法对比.结果表明：DSIHLOA拥有较好的求解精度和收敛速度；与其他文献的改进连续型元启发式算法进行对比，DSIHLOA具有较好的寻优能力和稳定性.

关键词

旅行商问题 / 角蜥蜴优化算法 / 信息共享策略 / 深度搜索