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:
由于人工蜂群(artificial bee colony ,ABC)算法存在收敛速度慢、易陷入局部最优的缺点,采用设置自适应缩放因子和基于适应度排序的选择方式代替传统的轮盘赌模型,提出了一种改进的快速人工蜂群算法(fast artifi-cial bee colony ,FABC)。基于这种FABC算法对4个离散变量的几何优化模型进行了优化,并与遗传算法(GA)、蚁群算法(ACA)、启发式粒子群优化算法(HPSO)和群搜索算法(GSO)作了比较。结果表明,这种改进的人工蜂群算法具有较好的收敛精度。另外,ABC算法以及FABC算法结构简单,可应用在其他优化问题上。
推荐文章
一种改进的人工蜂群算法研究
人工蜂群算法
算法改进
数据分析
更新维度
领域搜索
仿真实验
一种具有学习能力的人工蜂群优化算法
人工蜂群算法
优化
学习能力
改进的人工蜂群算法
人工蜂群算法
差分进化算法
种群初始化
搜索方程
一种人工蜂群算法改进方案
人工蜂群算法
跟随蜂
侦察蜂
邻域搜索
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 一种改进的人工蜂群算法及其在桁架几何优化设计中的应用研究
来源期刊 工程设计学报 学科 工学
关键词 快速人工蜂群算法 自适应缩放因子 轮盘赌模型 几何优化
年,卷(期) 2013,(6) 所属期刊栏目 『工程设计理论、方法与技术』
研究方向 页码范围 463-469
页数 7页 分类号 TU391
字数 3452字 语种 中文
DOI 10.3785/j.issn.1006-754X.2013.06.003
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 李丽娟 广东工业大学工程力学研究所 132 1922 26.0 37.0
2 刘锋 广东工业大学工程力学研究所 88 1338 22.0 33.0
3 李屹 广东工业大学工程力学研究所 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (37)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
快速人工蜂群算法
自适应缩放因子
轮盘赌模型
几何优化
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
工程设计学报
双月刊
1006-754X
33-1288/TH
大16开
杭州市天目山路148号
1994
chi
出版文献量(篇)
2068
总下载数(次)
5
论文1v1指导