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:
介绍了基本蚁群算法的数学模型,在一种新的连续空间分解方法的基础上,对信息素更新方式进行了改进,采用信息素局部更新和自适应的信息素全局更新相结合的方式,以提高算法的收敛速度.引入了进化算法中的变异操作,对寻优过程中每次迭代的最优解进行变异,增加了种群的多样性,避免算法的早熟,以提高改进后蚁群算法的全局收敛性能.实验结果表明,提出的基于变异操作的蚁群算法在连续函数寻优上有更好的收敛速度和收敛性能.
推荐文章
连续函数优化的一种新方法-蚁群算法
全局优化
蚁群算法
遗传算法
一种求解连续对象优化问题的改进蚁群算法
蚁群算法
TSP问题
连续对象优化问题
用于连续函数优化的改进蚁群算法
连续函数
蚁群算法
交叉
变异
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 基于变异操作的蚁群算法用于连续函数优化
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 连续函数优化 自适应 变异
年,卷(期) 2011,(4) 所属期刊栏目 博士论坛
研究方向 页码范围 5-8
页数 分类号 TP301.6
字数 4087字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.04.002
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 韩璞 华北电力大学控制与计算机工程学院 272 4579 35.0 54.0
2 翟永杰 华北电力大学控制与计算机工程学院 92 1421 19.0 35.0
3 高芳 华北电力大学控制与计算机工程学院 9 48 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (52)
共引文献  (144)
参考文献  (9)
节点文献
引证文献  (17)
同被引文献  (48)
二级引证文献  (64)
1996(5)
  • 参考文献(1)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(13)
  • 参考文献(0)
  • 二级参考文献(13)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(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(2)
  • 二级引证文献(0)
2013(5)
  • 引证文献(5)
  • 二级引证文献(0)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(7)
  • 引证文献(2)
  • 二级引证文献(5)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(15)
  • 引证文献(3)
  • 二级引证文献(12)
2018(17)
  • 引证文献(0)
  • 二级引证文献(17)
2019(20)
  • 引证文献(0)
  • 二级引证文献(20)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
蚁群算法
连续函数优化
自适应
变异
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
河北省自然科学基金
英文译名:
官方网址:
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导