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:
针对已有蚁群算法在复杂问题应用中寻优前期信息素匮乏、收敛速度慢的不足,通过引入信息权重因子和信息量均衡算子对蚁群的选择概率和信息素浓度进行自适应调节,提出了混合自适应蚁群算法.算例结果表明,该算法具有较快的寻优速度和更好的全局搜索能力,同时增加了解的多样性,减小了陷入局部极值的几率.
推荐文章
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
基于自适应蚁群遗传混合算法的 PID 参数优化
PID 控制器
交叉因子
蚁群遗传混合算法
自适应
信息素
蚁群优化算法及其应用研究进展
蚁群算法
蚂蚁系统
组合优化
启发式算法
自适应蚁群算法优化红外图像分割
图像分割
红外图像
二维最大熵分割
蚁群算法
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 混合自适应蚁群算法及其应用研究
来源期刊 西安理工大学学报 学科 工学
关键词 蚁群算法 混合自适应 权重因子 均衡算子 神经网络
年,卷(期) 2005,(4) 所属期刊栏目
研究方向 页码范围 405-408
页数 4页 分类号 TP18
字数 4066字 语种 中文
DOI 10.3969/j.issn.1006-4710.2005.04.017
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 潘永湘 西安理工大学自动化与信息工程学院 34 548 13.0 22.0
2 张海英 西安理工大学自动化与信息工程学院 20 133 6.0 10.0
3 杨瑞 西安理工大学自动化与信息工程学院 3 27 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (167)
参考文献  (7)
节点文献
引证文献  (17)
同被引文献  (18)
二级引证文献  (58)
1996(5)
  • 参考文献(1)
  • 二级参考文献(4)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(11)
  • 参考文献(1)
  • 二级参考文献(10)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(8)
  • 参考文献(0)
  • 二级参考文献(8)
2002(5)
  • 参考文献(3)
  • 二级参考文献(2)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(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)
2008(3)
  • 引证文献(1)
  • 二级引证文献(2)
2009(13)
  • 引证文献(4)
  • 二级引证文献(9)
2010(12)
  • 引证文献(3)
  • 二级引证文献(9)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2012(7)
  • 引证文献(3)
  • 二级引证文献(4)
2013(6)
  • 引证文献(0)
  • 二级引证文献(6)
2014(10)
  • 引证文献(3)
  • 二级引证文献(7)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(6)
  • 引证文献(0)
  • 二级引证文献(6)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
蚁群算法
混合自适应
权重因子
均衡算子
神经网络
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
西安理工大学学报
季刊
1006-4710
61-1294/N
大16开
西安市金花南路5号
1978
chi
出版文献量(篇)
2223
总下载数(次)
6
总被引数(次)
21166
论文1v1指导