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:
针对蚁群优化(ACO)只适用于离散问题的局限性,提出了连续蚁群优化算法(CACO),保留了连续问题可行解的原有形式,并融入演化算法(EA)的种群与操作功能.CACO将蚁群分工为全局和局部蚂蚁,分别引领个体执行全局探索式搜优与局部挖掘式搜优,并释放信息素,由个体承载,实现信息共享,形成相互激励的正反馈机制,加速搜优进程.实例测试表明,CACO适用于连续问题,全局寻优性能良好,尤其对复杂的高维问题,更能反映其相对优势.最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和种群规模等因素对CACO寻优性能的影响.
推荐文章
一种求解连续对象优化问题的改进蚁群算法
蚁群算法
TSP问题
连续对象优化问题
多目标优化问题的连续域蚁群算法仿真研究
多目标
优化
连续域
蚁群算法
二元蚁群优化算法研究综述
二元蚁群优化算法
细胞自动机
拥塞控制
多种群
可控搜索
灾变
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 连续蚁群优化算法的研究
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 蚁群优化 演化算法 信息素 探索性 挖掘性 全局寻优
年,卷(期) 2005,(8) 所属期刊栏目 自动化技术、计算机技术
研究方向 页码范围 1147-1151
页数 5页 分类号 TP183
字数 3736字 语种 中文
DOI 10.3785/j.issn.1008-973X.2005.08.011
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 陈德钊 浙江大学化学工程学系 112 1957 24.0 38.0
2 吴晓华 浙江大学化学工程学系 20 413 12.0 20.0
3 程志刚 浙江大学化学工程学系 4 68 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (13)
参考文献  (5)
节点文献
引证文献  (30)
同被引文献  (54)
二级引证文献  (200)
1994(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(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 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)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(9)
  • 引证文献(4)
  • 二级引证文献(5)
2008(13)
  • 引证文献(6)
  • 二级引证文献(7)
2009(17)
  • 引证文献(4)
  • 二级引证文献(13)
2010(31)
  • 引证文献(4)
  • 二级引证文献(27)
2011(30)
  • 引证文献(3)
  • 二级引证文献(27)
2012(28)
  • 引证文献(2)
  • 二级引证文献(26)
2013(27)
  • 引证文献(0)
  • 二级引证文献(27)
2014(19)
  • 引证文献(3)
  • 二级引证文献(16)
2015(16)
  • 引证文献(0)
  • 二级引证文献(16)
2016(14)
  • 引证文献(2)
  • 二级引证文献(12)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(12)
  • 引证文献(0)
  • 二级引证文献(12)
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
蚁群优化
演化算法
信息素
探索性
挖掘性
全局寻优
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
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导