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:
针对蚁群算法进化速度慢、容易出现停滞现象的不足,探讨了一种基于自适应信息素挥发因子的改进蚁群算法.针对蚁群算法容易陷入局部最优的缺点,提出了一种基于决策变量高斯变异的改进蚁群算法.针对蚁群算法速度慢的不足,探讨了一种基于决策变量边界自调整的改进蚁群算法.将上述3种改进相融合,提出了一种基于自适应信息素挥发因子、决策变量高斯变异和决策变量边界自调整3种改进策略的混合改进蚁群算法.将其应用于函数优化中,仿真结果表明,混合改进蚁群算法在收敛速度和收敛率方面都有很大改进,具有更好的寻优性能.
推荐文章
VRPSTW的混合改进蚁群优化算法
软时间窗车辆路径问题
蚁群算法
惩罚函数
一种求解函数优化的混合蚁群算法
模拟进化
蚁群算法
遗传算法
函数优化
用改进蚁群算法求解函数优化问题
函数优化
蚁群算法
进化算法
仿生算法
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 混合改进蚁群算法的函数优化
来源期刊 智能系统学报 学科 工学
关键词 混合改进蚁群算法 函数优化 自适应 高斯变异 蚁群算法
年,卷(期) 2012,(4) 所属期刊栏目
研究方向 页码范围 370-376
页数 7页 分类号 TP181
字数 5216字 语种 中文
DOI 10.3969/j.issn.1673-4785.201111004
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 陈明杰 哈尔滨工程大学自动化学院 21 76 5.0 8.0
2 张旻 哈尔滨工程大学自动化学院 2 18 1.0 2.0
3 黄佰川 哈尔滨工程大学自动化学院 1 17 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (419)
参考文献  (12)
节点文献
引证文献  (17)
同被引文献  (31)
二级引证文献  (43)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(8)
  • 参考文献(3)
  • 二级参考文献(5)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(10)
  • 参考文献(3)
  • 二级参考文献(7)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(6)
  • 引证文献(3)
  • 二级引证文献(3)
2015(10)
  • 引证文献(4)
  • 二级引证文献(6)
2016(14)
  • 引证文献(2)
  • 二级引证文献(12)
2017(11)
  • 引证文献(3)
  • 二级引证文献(8)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(9)
  • 引证文献(2)
  • 二级引证文献(7)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
混合改进蚁群算法
函数优化
自适应
高斯变异
蚁群算法
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
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
论文1v1指导