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:
针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.
推荐文章
基于贝叶斯网络和蚁群算法的航路优化
贝叶斯网络
评估算法
威胁强度
蚁群算法
采用蚁群爬山法进行聚类分析的算法
蚁群爬山法
聚类
算法
分布式目标检测融合决策优化算法
贝叶斯理论
分布检测
分布式融合
传感器
目标检测
互信息与爬山法相结合的贝叶斯网络结构学习
互信息
爬山法
贝叶斯网络
结构学习
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 爬山法与模式蚁群法混合的贝叶斯优化算法
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 贝叶斯优化算法 爬山法 局部搜索 模式 蚁群算法 目标分配
年,卷(期) 2013,(5) 所属期刊栏目 计算机技术
研究方向 页码范围 90-95
页数 分类号 TP15
字数 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 胡云安 海军航空工程学院控制工程系 176 1006 15.0 21.0
2 史建国 海军航空工程学院兵器科学与技术系 29 114 6.0 8.0
3 刘振 海军航空工程学院控制工程系 19 68 5.0 7.0
4 宋瑞华 海军航空工程学院训练部 6 47 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (7)
参考文献  (10)
节点文献
引证文献  (12)
同被引文献  (25)
二级引证文献  (30)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(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)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
2016(5)
  • 引证文献(4)
  • 二级引证文献(1)
2017(7)
  • 引证文献(3)
  • 二级引证文献(4)
2018(10)
  • 引证文献(3)
  • 二级引证文献(7)
2019(14)
  • 引证文献(2)
  • 二级引证文献(12)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
贝叶斯优化算法
爬山法
局部搜索
模式
蚁群算法
目标分配
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
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导