原文服务方: 计算机应用研究       
摘要:
人工蜂群(artificial bee colony,ABC)算法在解决多峰函数优化问题时经常会陷入局部最优,使得算法过早停滞,而在解决单峰问题时往往出现收敛速度过慢的问题。针对上述不足,为了进一步提高算法的优化性能,提出了一种基于交叉突变的人工蜂群(intersect mutation ABC,IMABC)算法。IMABC算法将整个蜂群依据其适应度值优劣进行划分,引入种群划分参数,对不同种群中的个体运用交叉突变算子,有效地平衡了种群的局部开采与全局探测能力,避免早熟收敛和提高收敛速度。从对基本函数的测试
推荐文章
基于禁忌搜索的人工蜂群算法及其应用
蜂群算法
禁忌搜索算法
禁忌表
邻域搜索
图像边缘检测
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
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
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
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 基于交叉突变算子的人工蜂群算法及其应用
来源期刊 计算机应用研究 学科
关键词 人工蜂群算法 交叉突变算子 差分进化 函数优化 K-均值
年,卷(期) 2014,(5) 所属期刊栏目 算法研究探讨
研究方向 页码范围 1336-1341
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.05.012
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (57)
参考文献  (22)
节点文献
引证文献  (10)
同被引文献  (38)
二级引证文献  (13)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(4)
  • 参考文献(3)
  • 二级参考文献(1)
2010(6)
  • 参考文献(4)
  • 二级参考文献(2)
2011(6)
  • 参考文献(4)
  • 二级参考文献(2)
2012(7)
  • 参考文献(7)
  • 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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(5)
  • 引证文献(3)
  • 二级引证文献(2)
2018(5)
  • 引证文献(2)
  • 二级引证文献(3)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
人工蜂群算法
交叉突变算子
差分进化
函数优化
K-均值
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导