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
群体智能典型算法研究综述
群体智能
蚁群优化算法
粒子群优化算法
用于目标跟踪的智能群体优化滤波算法
目标跟踪
视觉跟踪
滤波算法
贝叶斯滤波
粒子滤波
运动模型
后验状态
智能群体优化
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