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仿生进化算法,具有良好的鲁棒性、并行性及正反馈的特点,在许多领域得到了广泛应用,但蚁群算法存在收敛速度慢,容易陷入局部极值的缺点.基于此,提出将量子进化算法与蚁群算法相融合,算法将量子比特的两个概率幅看作是蚂蚁当前的位置信息,在蚂蚁数目相同时,可使搜索空间加倍,同时用量子非门来实现变异操作,避免算法陷入早熟.相比传统算法,在寻优过程中具有更好的种群多样性并有效克服了蚁群算法的早熟及停滞现象.并将此算法用于图像分割,实验结果表明,改进的量子蚁群算法有效解决了蚁群算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大提高.
推荐文章
自适应蚁群算法优化红外图像分割
图像分割
红外图像
二维最大熵分割
蚁群算法
基于蚁群优化多层图划分的彩色图像分割方法
彩色图像分割
归一化切分
蚁群优化
多层图划分
超像素
基于量子蚁群算法的片上网络映射研究
片上网络
低功耗
量子蚁群算法
量子旋转门
自适应相位
基于蚁群算法的医学图像分割研究
医学图像分割
蚁群算法
模糊连接
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 基于量子蚁群算法的图像分割
来源期刊 系统仿真学报 学科 工学
关键词 量子蚁群算法 蚁群算法 量子蚂蚁 图像分割
年,卷(期) 2014,(4) 所属期刊栏目 仿真技术应用
研究方向 页码范围 926-930
页数 分类号 TP391.9
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 李积英 兰州交通大学电子与信息工程学院 42 195 8.0 12.0
2 党建武 兰州交通大学电子与信息工程学院 205 1363 18.0 23.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (71)
共引文献  (110)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (27)
二级引证文献  (6)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(16)
  • 参考文献(0)
  • 二级参考文献(16)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2007(11)
  • 参考文献(3)
  • 二级参考文献(8)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(5)
  • 参考文献(3)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(5)
  • 引证文献(2)
  • 二级引证文献(3)
研究主题发展历程
节点文献
量子蚁群算法
蚁群算法
量子蚂蚁
图像分割
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
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
论文1v1指导