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:
蚁群算法是一种具有许多优良特性的新型算法,该算法具有较强的发现较好解的能力,但同时也存在容易出现停滞现象,收敛速度慢等缺点.在介绍基本蚁群算法的基础上,针对蚁群算法的不足,提出了一种自适应蚁群算法.该算法对蚁群算法中的信息素在更新过程中进行自适应调整.实验结果表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力,并具有更好的收敛性.
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
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
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
基于自适应蚁群优化的供应链调度算法研究
供应链
物流过程
调度
蚁群算法
自适应
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 基于自适应蚁群算法的研究
来源期刊 科技信息 学科 工学
关键词 蚁群算法 自适应 信息素 优化
年,卷(期) 2010,(10) 所属期刊栏目 博士·专家论坛1
研究方向 页码范围 408
页数 分类号 TP3
字数 2090字 语种 中文
DOI 10.3969/j.issn.1001-9960.2010.10.343
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 何小虎 渭南师范学院计算机科学系 32 67 5.0 6.0
2 桑国珍 渭南师范学院计算机科学系 16 46 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (175)
参考文献  (4)
节点文献
引证文献  (4)
同被引文献  (7)
二级引证文献  (3)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(5)
  • 引证文献(3)
  • 二级引证文献(2)
2015(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
信息素
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
科技信息
旬刊
1001-9960
37-1021/N
大16开
山东省济南市
24-72
1984
chi
出版文献量(篇)
124239
总下载数(次)
249
总被引数(次)
255660
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导