原文服务方: 化工学报       
摘要:
经典蚁群优化(ACO)算法搜优效率高,但只适用于求解组合优化等离散问题.以搜索最优食物源为目标,并引入进化规划(EP)简洁的进化机制,用以改造ACO,使之适于连续问题.又将蚁群分工为全局和局部蚂蚁,分别引领个体进行全局探索式和局部挖掘式寻优,并在各个体上释放信息素,供蚁群共享,由此继承了ACO正反馈、互激励的优点,并在优进策略的支持下,构建为EP-ACO算法.经复杂测试函数的优化检验,显示出EP-ACO适于连续问题,且全局搜优效率高,对高维问题适应性强.将EP-ACO应用于二甲苯异构化装置的操作优化,取得了良好的效果,与其他方法相比,优越性明显.
推荐文章
基于旅游线路规划的蚁群优化算法研究
蚁群优化算法
旅游线路规划
信息素更新
线路规划模型
旅游线路设计
最优路径
基于改进蚁群算法的配电网优化规划
蚁群算法
配电网规划
信息素
弹性伸缩
遗传增强蚁群优化算法
蚁群优化算法
遗传算法
局部最优
粒子群优化
差分进化算法
用于求解函数优化的一个蚁群处算法设计
蚁群算法
函数优化
遗传算法
旅行商问题
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 进化规划-蚁群优化算法的构建并用于化工过程操作优化
来源期刊 化工学报 学科
关键词 蚁群优化 进化规划 信息素 优进策略 二甲苯异构化
年,卷(期) 2005,(12) 所属期刊栏目 过程系统工程
研究方向 页码范围 2361-2366
页数 6页 分类号 TQ021.8
字数 语种 中文
DOI 10.3321/j.issn:0438-1157.2005.12.018
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 浙江大学化学工程系 112 1957 24.0 38.0
2 吴晓华 浙江大学化学工程系 20 413 12.0 20.0
3 张兵 浙江大学化学工程系 26 309 9.0 17.0
4 程志刚 浙江大学化学工程系 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  (8)
共引文献  (31)
参考文献  (6)
节点文献
引证文献  (9)
同被引文献  (21)
二级引证文献  (5)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
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)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(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
进化规划
信息素
优进策略
二甲苯异构化
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
化工学报
月刊
0438-1157
11-1946/TQ
大16开
1923-01-01
chi
出版文献量(篇)
12283
总下载数(次)
0
论文1v1指导