原文服务方: 信息与控制       
摘要:
在介绍基本蚁群算法原理的基础上,对其作了许多改进以提高其全局优化寻优速度,并给出了详尽的新算法编程仿真实现步骤,最后将未改进的基本蚁群算法与本文改进后的蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验.仿真研究表明,改进后的算法具有优良的全局优化性能,效果令人满意.
推荐文章
遗传融合蚁群算法的改进与仿真
遗传算法
蚁群算法
信息素
仿真
改进的重叠蚁群优化算法
蚁群优化(ACO)
局部最优解
重叠蚁群优化
动态学习
基于改进蚁群算法的WSN路径优化
无线传感器网络
蚁群算法
遗传算法
路径寻优
一种改进的智能蚁群优化算法
智能蚁群算法
自适应调整
信息素
最近节点选择
优化
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 一种快速全局优化的改进蚁群算法及仿真
来源期刊 信息与控制 学科
关键词 全局优化 蚁群算法 信息素 仿真
年,卷(期) 2004,(2) 所属期刊栏目 实际问题研讨
研究方向 页码范围 241-244
页数 4页 分类号 TP13
字数 语种 中文
DOI 10.3969/j.issn.1002-0411.2004.02.024
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 王道波 南京航空航天大学自动化学院 183 2599 21.0 47.0
2 段海滨 南京航空航天大学自动化学院 28 1157 11.0 28.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (108)
参考文献  (6)
节点文献
引证文献  (135)
同被引文献  (115)
二级引证文献  (928)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2004(3)
  • 引证文献(3)
  • 二级引证文献(0)
2005(6)
  • 引证文献(4)
  • 二级引证文献(2)
2006(23)
  • 引证文献(8)
  • 二级引证文献(15)
2007(82)
  • 引证文献(17)
  • 二级引证文献(65)
2008(104)
  • 引证文献(23)
  • 二级引证文献(81)
2009(129)
  • 引证文献(19)
  • 二级引证文献(110)
2010(106)
  • 引证文献(15)
  • 二级引证文献(91)
2011(71)
  • 引证文献(8)
  • 二级引证文献(63)
2012(79)
  • 引证文献(8)
  • 二级引证文献(71)
2013(101)
  • 引证文献(9)
  • 二级引证文献(92)
2014(75)
  • 引证文献(7)
  • 二级引证文献(68)
2015(77)
  • 引证文献(6)
  • 二级引证文献(71)
2016(67)
  • 引证文献(3)
  • 二级引证文献(64)
2017(61)
  • 引证文献(4)
  • 二级引证文献(57)
2018(46)
  • 引证文献(1)
  • 二级引证文献(45)
2019(25)
  • 引证文献(0)
  • 二级引证文献(25)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
全局优化
蚁群算法
信息素
仿真
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
信息与控制
双月刊
1002-0411
21-1138/TP
大16开
1972-01-01
chi
出版文献量(篇)
2891
总下载数(次)
0
总被引数(次)
41289
论文1v1指导