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:
针对控制中PID优化问题,分别用遗传算法和蚁群算法进行了寻优,并进行参数调试比较,得出2种算法都可以进行寻优,但遗传算法操作上要比蚁群算法简单得多,而且收敛速度比蚁群算法快的结论.
推荐文章
基于蚁群算法的PID参数优化设计
蚁群算法
PID控制
适应度函数
遗传算法
基于遗传因子的自适应蚁群算法最优PID控制
遗传因子
蚁群算法
信息素
PID控制
基于遗传算法的混合蚁群算法
遗传算法
混合蚁群算法
算法融合
连续空间优化
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 遗传算法与蚁群算法在PID优化中的应用比较
来源期刊 机电信息 学科
关键词 PID优化 遗传算法 蚁群算法
年,卷(期) 2013,(15) 所属期刊栏目 工艺与技术
研究方向 页码范围 114-116
页数 3页 分类号
字数 4115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 许骏马 1 1 1.0 1.0
2 侯石超 南京工业大学智能建筑研究所 2 4 1.0 2.0
3 何伟光 1 1 1.0 1.0
4 崔鹏飞 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (60)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
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)
2017(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
PID优化
遗传算法
蚁群算法
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
机电信息
旬刊
1671-0797
32-1628/TM
大16开
南京山西路120号江苏成套大厦12楼
28-285
2001
chi
出版文献量(篇)
19929
总下载数(次)
45
总被引数(次)
30590
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导