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:
由于传统蚁群算法所采用的是随机概率搜索策略,收敛速度慢是其主要问题.为了提高算法的收敛速度,这里提出一种带奖惩策略的蚁群算法(PPACO).新算法中,每次循环中发现的较优解都被挑选出来加以奖励,而普通解则被惩罚,这样就加快了较优路径和普通路径上信息素的差异;另外,为了不使这种差异对算法产生过多的影响,所有路径上的信息素都被限制在一定的范围[τ_(min),τ_(max)]内,同时,信息素的挥发系数被设为相对较高值.通过典型模拟实验证明,新算法对解决复杂组合优化问题非常有效.
推荐文章
蚁群算法综述
群集智能
ACO
PSO
蚁群算法及其改进形式综述
蚁群算法
进化算法
局部搜索算法
遗传增强蚁群优化算法
蚁群优化算法
遗传算法
局部最优
粒子群优化
差分进化算法
智能蚂蚁算法--蚁群算法的改进
智能蚂蚁算法
蚁群算法
旅行商问题(TSP)
外激素
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 奖惩蚁群算法
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 排序 奖励 惩罚
年,卷(期) 2010,(10) 所属期刊栏目 研究、探讨
研究方向 页码范围 44-47
页数 分类号 TP18
字数 3711字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.10.015
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 高玮 武汉工业学院土木系 27 422 11.0 20.0
2 张飞君 1 7 1.0 1.0
3 汪磊 武汉工业学院土木系 9 75 5.0 8.0
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  (1)
节点文献
引证文献  (7)
同被引文献  (44)
二级引证文献  (32)
2000(1)
  • 参考文献(1)
  • 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)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(6)
  • 引证文献(0)
  • 二级引证文献(6)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(6)
  • 引证文献(1)
  • 二级引证文献(5)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(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
排序
奖励
惩罚
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
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导