原文服务方: 计算机应用研究       
摘要:
介绍了蚁群优化算法利用粗搜索及精搜索过程获得多维有约束函数优化的基本思想,分析了影响蚁群优化多维有约束函数问题的关键参数,给出了获得较好的蚁群函数优化性能在优化过程中动态地自适应地调整蚁群优化算法的关键参数及α、β和ρ的指导性结论,且调整规则是α与β的值由大到小地调整,而p的值将由小到大地调整.建立了α、β及ρ的模糊动态调整器,给出了三个模糊控制器的参数调整过程、控制器的执行策略及控制过程.采用起重机主梁优化实例对比验证了蚁群优化算法及蚁群参数自适应调整的优化算法.结果表明,采用蚁群参数自适应调整的优化算法具有求解精度高、优化效率高及参与优化的蚁群数量少等优点.该方法是求解复杂多峰函数优化的一种极好的优化方法.
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
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
基于自适应蚁群遗传混合算法的 PID 参数优化
PID 控制器
交叉因子
蚁群遗传混合算法
自适应
信息素
自适应蚁群算法优化红外图像分割
图像分割
红外图像
二维最大熵分割
蚁群算法
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 蚁群参数自适应调整的优化设计
来源期刊 计算机应用研究 学科
关键词 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
年,卷(期) 2011,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 905-908
页数 分类号 TP301
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.03.031
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 熊炎 信阳师范学院计算机与信息技术学院 21 63 4.0 7.0
2 刘道华 信阳师范学院计算机与信息技术学院 71 340 10.0 15.0
3 李湘英 信阳师范学院计算机与信息技术学院 11 16 3.0 3.0
4 李为华 信阳师范学院计算机与信息技术学院 22 40 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (28)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (16)
二级引证文献  (18)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(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)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(4)
  • 参考文献(4)
  • 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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
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
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
相关基金
河南省自然科学基金
英文译名:
官方网址:http://kyc.hncj.edu.cn/gzzd/gzzd56.htm
项目类型:
学科类型:
论文1v1指导