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:
群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础.介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率.
推荐文章
群体智能和智能优化算法
蚁群算法
蜜蜂算法
蝙蝠算法
布谷鸟搜索
萤火虫算法
粒子群优化
群体智能
群体智能和智能优化算法
蚁群算法
蜜蜂算法
蝙蝠算法
布谷鸟搜索
萤火虫算法
粒子群优化
群体智能
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
群体智能混合算法优化XML数据查询策略
粒子群算法
蚁群算法
信息素
路径离散
可扩展标记语言概率查询
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 群体智能优化算法
来源期刊 计算机技术与发展 学科 工学
关键词 群体智能 蚁群算法 粒子群算法 启发式算法
年,卷(期) 2008,(8) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 114-117
页数 4页 分类号 TP18
字数 4428字 语种 中文
DOI 10.3969/j.issn.1673-629X.2008.08.033
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 李龙澍 安徽大学计算机科学与技术学院 199 1780 21.0 29.0
2 胡哲 安徽大学计算机科学与技术学院 4 70 3.0 4.0
3 王艳玲 安徽大学计算机科学与技术学院 4 68 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (46)
同被引文献  (61)
二级引证文献  (47)
1900(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(5)
  • 引证文献(5)
  • 二级引证文献(0)
2010(7)
  • 引证文献(6)
  • 二级引证文献(1)
2011(9)
  • 引证文献(5)
  • 二级引证文献(4)
2012(9)
  • 引证文献(5)
  • 二级引证文献(4)
2013(13)
  • 引证文献(3)
  • 二级引证文献(10)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(6)
  • 引证文献(3)
  • 二级引证文献(3)
2016(9)
  • 引证文献(3)
  • 二级引证文献(6)
2017(9)
  • 引证文献(3)
  • 二级引证文献(6)
2018(11)
  • 引证文献(5)
  • 二级引证文献(6)
2019(7)
  • 引证文献(4)
  • 二级引证文献(3)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
群体智能
蚁群算法
粒子群算法
启发式算法
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导