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:
蚁群算法存在对参数的依赖、早熟和停滞等缺点但具有与其他算法容易结合的特点,据此,将差分演化算法应用到蚁群算法的参数选取中,提出一种改进的蚁群算法.将蚁群算法的参数作为差分演化算法解空间的向量元素,在自适应地寻找蚁群算法最优参数组合的同时求解问题的最优解.改进算法对蚁群算法中的参数进行自适应调整,可避免大量盲目的测试,扩大蚁群算法的搜索空间,提高全局搜索能力.在典型的旅行商问题上进行对比实验,结果验证了改进算法的优化性能高于传统的蚁群算法.
推荐文章
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
基于感知模糊自适应蚁群算法的非线性PID控制设计
非线性PID控制
蚁群算法
自适应
模糊控制
蚁群参数自适应调整的优化设计
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
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
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 基于差分演化的自适应参数控制蚁群算法
来源期刊 计算机工程 学科 工学
关键词 差分演化 蚁群算法 旅行商问题
年,卷(期) 2011,(6) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 190-192
页数 分类号 TP301.6
字数 3381字 语种 中文
DOI 10.3969/j.issn.1000-3428.2011.06.065
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 黄少荣 广东司法警官职业学院信息管理系 38 299 6.0 16.0
2 崔娇 中山大学计算机科学系 1 11 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (21)
参考文献  (3)
节点文献
引证文献  (11)
同被引文献  (29)
二级引证文献  (51)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(11)
  • 引证文献(0)
  • 二级引证文献(11)
2016(9)
  • 引证文献(1)
  • 二级引证文献(8)
2017(12)
  • 引证文献(1)
  • 二级引证文献(11)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(6)
  • 引证文献(2)
  • 二级引证文献(4)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
差分演化
蚁群算法
旅行商问题
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导