原文服务方: 计算机应用研究       
摘要:
为了解决蚁群算法在求解连续函数优化问题时,存在局部搜索能力较差的缺陷,提出一种新颖的自适应蜂群一蚁群优化算法.新算法在蚁群优化算法的基础上,设计了一种参数q的自适应机制,进而减少了参数个数,提高了其鲁棒性;根据蜂群算法基本思想,利用雇佣蜂和观察蜂设计了高效的局部搜索算子,从而提升了算法的局部能力.针对五个标准测试函数的仿真实验结果表明:与蚁群优化算法相比,新算法的全局和局部寻优能力均得到了极大的提升.
推荐文章
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
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
一种求解TSP的自适应蚁群优化算法
蚁群算法
旅行商问题(TSP)
组合优化
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
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 蜂群—蚁群自适应优化算法
来源期刊 计算机应用研究 学科
关键词 优化问题 蚁群优化 人工蜂群算法
年,卷(期) 2012,(1) 所属期刊栏目 算法研究探讨
研究方向 页码范围 130-134
页数 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.01.036
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 王翔 17 173 7.0 13.0
2 何宗耀 河南城建学院计算机科学与工程系 14 37 2.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (25)
同被引文献  (76)
二级引证文献  (40)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(11)
  • 引证文献(6)
  • 二级引证文献(5)
2014(10)
  • 引证文献(6)
  • 二级引证文献(4)
2015(6)
  • 引证文献(3)
  • 二级引证文献(3)
2016(10)
  • 引证文献(1)
  • 二级引证文献(9)
2017(10)
  • 引证文献(2)
  • 二级引证文献(8)
2018(8)
  • 引证文献(3)
  • 二级引证文献(5)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
优化问题
蚁群优化
人工蜂群算法
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
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
总被引数(次)
238385
论文1v1指导