作者:
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:
以热网最小年费用作为目标函数,引入基于Q学习规则的蚁群算法,建立了热网优化算法.结合算例,比较了比摩阻算法、模拟退火算法、基于Q学习规则蚁群算法,基于Q学习规则蚁群算法的热网最小年费用最低.
推荐文章
采用约束蚁群优化的贝叶斯网结构学习算法
贝叶斯网络
约束蚁群优化算法
增边规则
基于蚁群算法的引信装配序列优化
装配序列规划
蚁群算法
优化
装配仿真
基于蚁群算法的雷达组网优化布站方法
蚁群算法
雷达组网
优化布站
基于改进蚁群算法的Q学习算法研究
多Agent系统Q学习
改进蚁群算法
围捕问题
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 基于Q学习蚁群算法的热网优化方法
来源期刊 煤气与热力 学科 工学
关键词 Q学习 蚁群算法 供热管网优化
年,卷(期) 2010,(6) 所属期刊栏目 供热热网与热力站
研究方向 页码范围 12-14
页数 分类号 TU995
字数 2323字 语种 中文
DOI 10.3969/j.issn.1000-4416.2010.06.004
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 陈蕊 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (22)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(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)
研究主题发展历程
节点文献
Q学习
蚁群算法
供热管网优化
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
煤气与热力
月刊
1000-4416
12-1101/TU
大16开
天津市和平区新兴路52号都市花园大厦21层
6-36
1978
chi
出版文献量(篇)
5813
总下载数(次)
21
总被引数(次)
33292
论文1v1指导