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:
针对粒子群优化算法容易陷于局部最优的情况,将蚁群算法的信息素机制引入到粒子群算法中,保证了粒子间的多样性,从而有效克服了粒子群算法容易发生早熟停滞的缺陷.最后通过仿真实验证明了算法应用于软件测试的可行性和高效性.
推荐文章
一种新的混合粒子群优化算法
粒子群算法
鱼群算法
聚群行为
混合算法
一种改进的粒子群优化算法
粒子群算法
收敛速度
搜索能力
一种基于双子群的改进粒子群优化算法
收敛性
粒子群优化算法
子群
杂交机制
遗传算法
一种改进的粒子群优化算法
粒子集
优化算法
轨迹信息
惯性权重
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 一种新改进的粒子群优化算法
来源期刊 长春理工大学学报(自然科学版) 学科 工学
关键词 粒子群算法 蚁群算法 信息素机制 软件测试
年,卷(期) 2011,(2) 所属期刊栏目
研究方向 页码范围 135-137
页数 分类号 TP311
字数 2406字 语种 中文
DOI 10.3969/j.issn.1672-9870.2011.02.040
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 吴雅娟 东北石油大学计算机与信息技术学院 25 53 4.0 6.0
2 倪红梅 东北石油大学计算机与信息技术学院 14 49 5.0 6.0
3 时贵英 东北石油大学计算机与信息技术学院 20 65 5.0 7.0
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  (64)
参考文献  (7)
节点文献
引证文献  (6)
同被引文献  (29)
二级引证文献  (7)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(3)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
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
粒子群算法
蚁群算法
信息素机制
软件测试
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
长春理工大学学报(自然科学版)
双月刊
1672-9870
22-1364/TH
16开
长春市卫星路7089号
1978
chi
出版文献量(篇)
3546
总下载数(次)
14
总被引数(次)
15546
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导