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:
人工蜂群算法(artificial bee colony algorithm,ABC)是一种模仿蜜蜂采蜜行为的新兴的群智能优化技术.侦察蜂作为人工蜂群的成员之一,进行随机搜索以找到蜜源.为了弄清楚侦察蜂在ABC中的作用,本文首先分析ABC的生物学机理和主要处理步骤,然后研究当问题维数、种群规模、limit值和最大循环次数等4个控制参数取不同值时对无侦察蜂ABC、单侦察蜂ABC与多侦察蜂ABC性能的影响.实验结果表明,在绝大多数情况下,多侦察蜂ABC求解5个著名的基准函数获得的解优于单侦察蜂ABC和无侦察蜂ABC,而单侦察蜂ABC获得的解优于无侦察蜂ABC.此外,由于这3种算法的搜索复杂度是同阶的,在相同条件下其运行时间相差不大,这充分说明了侦察蜂实施随机勘探过程确实对ABC的性能具有积极意义.
推荐文章
人工蜂群算法在图像分割中的应用研究
人工蜂群算法
灰度形态学
二维Otsu
图像分割
利用人工蜂群算法进行地震属性聚类分析
地震属性聚类
人工蜂群算法
串珠状强反射特征
片状弱反射特征
局部最优
最优聚类中心
改进的人工蜂群算法在作业调度中的应用
人工蜂群算法
作业调度
遗传算法
适应度
多选择背包问题的人工蜂群算法
多选择背包问题
人工蜂群算法
组合优化
智能优化算法
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 侦察蜂在人工蜂群算法中的作用
来源期刊 广西师范大学学报(自然科学版) 学科 工学
关键词 人工蜂群算法 侦察蜂 勘探过程
年,卷(期) 2013,(3) 所属期刊栏目
研究方向 页码范围 72-80
页数 9页 分类号 TP301.6
字数 6394字 语种 中文
DOI
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 李陶深 广西大学计算机与电子信息学院 394 2640 25.0 36.0
2 郑建国 东华大学旭日工商管理学院 155 1539 19.0 33.0
3 张超群 东华大学旭日工商管理学院 19 476 7.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(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
人工蜂群算法
侦察蜂
勘探过程
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
广西师范大学学报(自然科学版)
双月刊
1001-6600
45-1067/N
大16开
桂林市育才路15号
48-54
1957
chi
出版文献量(篇)
3550
总下载数(次)
1
总被引数(次)
13610
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导