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:
蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路,但基本的蚁群算法收敛速度慢,易于停滞,并且很容易收敛于局部解.提出从几种优化策略对算法的选择策略、局部搜索、信息量修改等方面进行改进,使算法不易陷入局部最优解,并且能较快地收敛到全局最优解.实验结果表明,此改进策略是比较合理、有效和准确的.
推荐文章
改进蚁群算法在交通系统最短路径问题的研究
蚁群算法
最短路径
信息素
智能交通系统
改进蚁群算法求解最短路径问题
蚁群算法
最短路径
方向引导
信息素
求解车辆路径问题的改进蚁群算法
车辆路径问题
蚁群算法
遗传算法
变异算子
优化问题
收敛
一种改进的蚁群算法求解最短路径问题
蚁群系统
最短路径
模拟进化算法
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 蚁群算法在求解最短路径问题上的改进策略
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 参数优化 信息素 变异特征
年,卷(期) 2012,(13) 所属期刊栏目 研究、探讨
研究方向 页码范围 35-38
页数 分类号 TP301
字数 3927字 语种 中文
DOI 10.3778/j.issn.1002-8331.2012.13.008
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 王越 重庆理工大学计算机科学与工程学院 50 351 12.0 16.0
2 叶秋冬 重庆理工大学计算机科学与工程学院计算机应用技术研究所 5 50 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (325)
参考文献  (9)
节点文献
引证文献  (25)
同被引文献  (89)
二级引证文献  (215)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(5)
  • 参考文献(1)
  • 二级参考文献(4)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(10)
  • 参考文献(0)
  • 二级参考文献(10)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2001(9)
  • 参考文献(1)
  • 二级参考文献(8)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(7)
  • 参考文献(5)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(8)
  • 引证文献(4)
  • 二级引证文献(4)
2015(18)
  • 引证文献(5)
  • 二级引证文献(13)
2016(37)
  • 引证文献(6)
  • 二级引证文献(31)
2017(43)
  • 引证文献(4)
  • 二级引证文献(39)
2018(49)
  • 引证文献(1)
  • 二级引证文献(48)
2019(61)
  • 引证文献(1)
  • 二级引证文献(60)
2020(20)
  • 引证文献(0)
  • 二级引证文献(20)
研究主题发展历程
节点文献
蚁群算法
参数优化
信息素
变异特征
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导