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:
群智能是一种仿生自然界动物昆虫觅食筑巢行为的新兴演化计算技术.目前主要的群智能优化算法有蚁群算法、微粒群算法和人工鱼群算法.本文介绍了群智能算法的产生,发展和优点,并着力阐述了上述三种典型算法的基本原理,同时概述了各算法的应用现状,最后提出了算法将来有待研究的内容.
推荐文章
群智能算法优化SVR预测模型的应用与分析
改进蚁群算法
改进粒子群算法
支持向量机回归模型
参数寻优
收敛速度
相对误差
云环境下基于群智能算法的大数据聚类挖掘技术
大数据聚类挖掘
云环境
群智能算法
数据挖掘
并行化聚类挖掘
数据密度计算
基于差分演化与猫群算法融合的群体智能算法
差分演化算法
猫群算法
混合优化算法
协同进化
群体智能算法总体模式的形式化研究
群体智能
算法模式
微粒群优化
形式化
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 群智能算法的研究进展
来源期刊 自动化技术与应用 学科 工学
关键词 群智能算法 蚁群算法 微粒群算法 人工鱼群算法
年,卷(期) 2008,(2) 所属期刊栏目 控制理论与应用
研究方向 页码范围 13-15
页数 3页 分类号 TP18
字数 3321字 语种 中文
DOI 10.3969/j.issn.1003-7241.2008.02.004
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 胡中功 武汉工程大学电气信息学院 27 307 8.0 17.0
2 李静 武汉工程大学电气信息学院 2 117 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (751)
参考文献  (4)
节点文献
引证文献  (117)
同被引文献  (167)
二级引证文献  (142)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(12)
  • 引证文献(10)
  • 二级引证文献(2)
2010(8)
  • 引证文献(6)
  • 二级引证文献(2)
2011(11)
  • 引证文献(7)
  • 二级引证文献(4)
2012(8)
  • 引证文献(6)
  • 二级引证文献(2)
2013(10)
  • 引证文献(6)
  • 二级引证文献(4)
2014(20)
  • 引证文献(14)
  • 二级引证文献(6)
2015(17)
  • 引证文献(8)
  • 二级引证文献(9)
2016(24)
  • 引证文献(13)
  • 二级引证文献(11)
2017(35)
  • 引证文献(24)
  • 二级引证文献(11)
2018(53)
  • 引证文献(15)
  • 二级引证文献(38)
2019(39)
  • 引证文献(6)
  • 二级引证文献(33)
2020(20)
  • 引证文献(0)
  • 二级引证文献(20)
研究主题发展历程
节点文献
群智能算法
蚁群算法
微粒群算法
人工鱼群算法
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
自动化技术与应用
月刊
1003-7241
23-1474/TP
大16开
哈尔滨市开发区汉水路165号
14-37
1982
chi
出版文献量(篇)
8131
总下载数(次)
24
总被引数(次)
36824
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导