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:
传统的组合优化蚁群算法在求解过程中要消耗大量的时间,极易陷入局部最优化求解等弊端,同时还会产生大量无用的冗余迭代码,运算效率低.对此,提出了自适应组合优化蚁群算法.通过对改变信息素的迭代、参数选择的分析和增加对信息素局部更新方式,提高了整个系统运算速度及收敛速度,扩充了优化的范围,克服了无用迭代码的产生,减少了停滞现象的出现.通过该算法对旅行商问题进行仿真实验,其结果表明了该算法的可行性和有效性.
推荐文章
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
一种求解TSP的自适应蚁群优化算法
蚁群算法
旅行商问题(TSP)
组合优化
基于自适应多态免疫蚁群算法的TSP求解
自适应
多态
蚁群算法
免疫克隆选择
旅行商问题
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
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 求解自适应组合优化蚁群算法的研究
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 自适应 组合优化 信息素 旅行商问题
年,卷(期) 2009,(35) 所属期刊栏目 研究、探讨
研究方向 页码范围 31-33,37
页数 4页 分类号 TP18
字数 4147字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.35.010
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 孙泽宇 洛阳理工学院计算机与信息工程系 59 317 10.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (425)
参考文献  (12)
节点文献
引证文献  (9)
同被引文献  (12)
二级引证文献  (8)
1996(4)
  • 参考文献(1)
  • 二级参考文献(3)
1997(9)
  • 参考文献(1)
  • 二级参考文献(8)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(6)
  • 参考文献(3)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(5)
  • 引证文献(3)
  • 二级引证文献(2)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
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
蚁群算法
自适应
组合优化
信息素
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导