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:
为克服人工蜂群算法容易陷入局部最优解的缺点,提出一种新的改进型人工蜂群算法.首先,利用数学中的外推技巧定义了新的位置更新公式,由此构造出一种具有引导趋势的蜂群算法;其次,为了克服算法在进化后期位置相似度高、更新速度慢的缺陷,将微调机制引入算法中,讨论摄动因子范围,由此提高算法在可行区域内的局部搜索能力.最后通过3个基准函数仿真测试,结果表明:与常规算法相较,改进后在搜索性能和精度方面均有明显提高.
推荐文章
改进的人工蜂群算法
人工蜂群算法
差分进化算法
种群初始化
搜索方程
一种改进的人工蜂群算法研究
人工蜂群算法
算法改进
数据分析
更新维度
领域搜索
仿真实验
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
平衡搜索的改进人工蜂群算法
人工蜂群算法
局部搜索
群智能算法
适应度评价
搜索策略
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 改进的人工蜂群算法性能
来源期刊 计算机应用 学科 工学
关键词 群体智能 人工蜂群 优化 摄动因子 基准函数
年,卷(期) 2011,(4) 所属期刊栏目 人工智能
研究方向 页码范围 1107-1110
页数 分类号 TP18
字数 3350字 语种 中文
DOI 10.3724/SP.J.1087.2011.01107
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 李迅波 电子科技大学机械电子工程学院 54 443 12.0 18.0
2 王振林 电子科技大学机械电子工程学院 4 111 2.0 4.0
3 胡珂 电子科技大学机械电子工程学院 1 77 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (50)
参考文献  (8)
节点文献
引证文献  (77)
同被引文献  (182)
二级引证文献  (410)
1974(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
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(15)
  • 引证文献(13)
  • 二级引证文献(2)
2013(29)
  • 引证文献(10)
  • 二级引证文献(19)
2014(41)
  • 引证文献(12)
  • 二级引证文献(29)
2015(79)
  • 引证文献(18)
  • 二级引证文献(61)
2016(86)
  • 引证文献(7)
  • 二级引证文献(79)
2017(76)
  • 引证文献(7)
  • 二级引证文献(69)
2018(90)
  • 引证文献(8)
  • 二级引证文献(82)
2019(52)
  • 引证文献(2)
  • 二级引证文献(50)
2020(19)
  • 引证文献(0)
  • 二级引证文献(19)
研究主题发展历程
节点文献
群体智能
人工蜂群
优化
摄动因子
基准函数
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
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导