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:
为了提高基本蚁群算法的全局求解能力,对基本蚁群算法进行了改进,提出了一种通过自适性改变启发式因子α和期望启发式因子β的蚁群算法.当连续几代进化后的最优解没有明显变化时,改进后的算法通过对启发式因子α和期望启发式因子β的自适应调整来提高最优解的求解质量.通过对TSP问题的仿真表明,改进后的蚁群算法在求解最优解和收敛性能方面比起基本蚁群算法存在优势.
推荐文章
蚁群参数自适应调整的优化设计
蚁群优化算法
模糊控制器
信息素因子分析
自适应参数调整
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
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
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 自适应调整α,β参数的蚁群算法
来源期刊 计算机工程与设计 学科 工学
关键词 蚁群算法 自适应 启发式因子 期望启发式因子 旅行商问题
年,卷(期) 2007,(20) 所属期刊栏目 人工智能
研究方向 页码范围 4996-4997
页数 2页 分类号 TP301.6
字数 2225字 语种 中文
DOI 10.3969/j.issn.1000-7024.2007.20.053
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 蔡淮 西南交通大学信息科学与技术学院 37 193 8.0 12.0
2 刘立东 西南交通大学信息科学与技术学院 6 70 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (384)
参考文献  (6)
节点文献
引证文献  (14)
同被引文献  (8)
二级引证文献  (12)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(2)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(4)
  • 引证文献(4)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(2)
  • 二级引证文献(2)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
蚁群算法
自适应
启发式因子
期望启发式因子
旅行商问题
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
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
总被引数(次)
161677
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导