原文服务方: 计算机应用研究       
摘要:
提出将蚁群算法用于求解函数优化问题的新方法.使用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁觅食的方式,更新搜索路径上的信息素,按照转移概率来决定搜索方向,即通过信息素来指引搜索,最后搜索收敛于各个全局最优解.给出了基于此思想的具体算法,并通过计算示例仿真说明了该算法的有效性,表明该算法可以同时快速收敛发现多个全局最优解,并保持稳定.
推荐文章
蚁群算法求解优化函数
蚁群算法
函数优化
函数逼近
鲁棒性
神经网络
用改进蚁群算法求解多目标优化问题
多目标优化
蚁群算法
模拟进化算法
仿生算法
一种求解函数优化的混合蚁群算法
模拟进化
蚁群算法
遗传算法
函数优化
基于改进蚁群算法求解连续空间寻优问题
蚁群算法
连续空间寻优
信息量
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 用改进蚁群算法求解函数优化问题
来源期刊 计算机应用研究 学科
关键词 函数优化 蚁群算法 进化算法 仿生算法
年,卷(期) 2004,(9) 所属期刊栏目 研究探讨
研究方向 页码范围 89-91
页数 3页 分类号 O22
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2004.09.031
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 唐小我 电子科技大学管理学院 383 8909 50.0 69.0
2 马永开 电子科技大学管理学院 119 1987 25.0 38.0
3 唐泳 电子科技大学管理学院 4 106 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (252)
参考文献  (9)
节点文献
引证文献  (30)
同被引文献  (30)
二级引证文献  (37)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(1)
  • 二级参考文献(3)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(14)
  • 参考文献(1)
  • 二级参考文献(13)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(10)
  • 参考文献(1)
  • 二级参考文献(9)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(3)
  • 参考文献(3)
  • 二级参考文献(0)
2004(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)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(6)
  • 引证文献(6)
  • 二级引证文献(0)
2007(7)
  • 引证文献(5)
  • 二级引证文献(2)
2008(6)
  • 引证文献(2)
  • 二级引证文献(4)
2009(13)
  • 引证文献(3)
  • 二级引证文献(10)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(5)
  • 引证文献(2)
  • 二级引证文献(3)
2012(6)
  • 引证文献(2)
  • 二级引证文献(4)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
函数优化
蚁群算法
进化算法
仿生算法
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导