基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
蚁群算法是一种新型的模拟进化算法,研究表明该算法具有并行性,鲁棒性等优良性质.本文阐述了蚁群算法的原理,介绍了该算法在理论和实际问题中的应用,并对其前景进行了展望.
推荐文章
蚁群优化算法的研究现状及研究展望
蚁群优化算法
信息素
蚂蚁
蚁群系统
蚁群优化算法的研究现状及研究展望
蚁群优化算法
信息素
蚂蚁
蚁群系统
蚁群算法研究应用现状与展望
蚁群算法
优化
最优决策
蚁群算法及其改进形式综述
蚁群算法
进化算法
局部搜索算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 蚁群算法的研究现状及其展望
来源期刊 微型电脑应用 学科 工学
关键词 蚁群算法 TSP
年,卷(期) 2002,(2) 所属期刊栏目 综述
研究方向 页码范围 5-7
页数 3页 分类号 TP1
字数 3360字 语种 中文
DOI 10.3969/j.issn.1007-757X.2002.02.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周勇 上海交通大学信息与控制工程系 35 473 12.0 21.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (36)
参考文献  (5)
节点文献
引证文献  (110)
同被引文献  (45)
二级引证文献  (321)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(5)
  • 参考文献(3)
  • 二级参考文献(2)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(11)
  • 引证文献(11)
  • 二级引证文献(0)
2005(18)
  • 引证文献(14)
  • 二级引证文献(4)
2006(53)
  • 引证文献(26)
  • 二级引证文献(27)
2007(48)
  • 引证文献(16)
  • 二级引证文献(32)
2008(45)
  • 引证文献(6)
  • 二级引证文献(39)
2009(45)
  • 引证文献(10)
  • 二级引证文献(35)
2010(31)
  • 引证文献(6)
  • 二级引证文献(25)
2011(21)
  • 引证文献(1)
  • 二级引证文献(20)
2012(30)
  • 引证文献(1)
  • 二级引证文献(29)
2013(35)
  • 引证文献(8)
  • 二级引证文献(27)
2014(14)
  • 引证文献(4)
  • 二级引证文献(10)
2015(26)
  • 引证文献(4)
  • 二级引证文献(22)
2016(15)
  • 引证文献(0)
  • 二级引证文献(15)
2017(14)
  • 引证文献(0)
  • 二级引证文献(14)
2018(13)
  • 引证文献(1)
  • 二级引证文献(12)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
蚁群算法
TSP
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导