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:
针对细菌觅食优化算法(BFOA)全局搜索能力差和易陷入局部最优的缺点,提出一种混合人工蜂群算法(ABC)的自适应细菌觅食优化算法。借鉴ABC的雇佣蜂行为,设计一种新的雇佣蜂式趋化方式,以提高算法的全局搜索能力。同时将原固定步长趋化改为自适应步长趋化,以提高算法的求解精度。引入种群多样性评价,依据评价结果完成2种趋化方式的自适应切换。为克服直接复制带来的多样性降低问题,提出基于t分布扰动的复制方式,同时设计基于对立学习的侦察蜂式迁移,以避免算法的早熟。仿真实验结果表明,与ABC和BFOA算法相比,该算法的寻优能力较强,在求解精度和收敛速度方面也具有较优的性能。
推荐文章
一种自适应的模拟细菌觅食算法
细菌觅食算法
自适应
收敛速度
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
一种混合的离散细菌菌落优化算法
离散优化算法
细菌菌落
进化模式
自适应调整
自适应细菌觅食的FCM聚类优化算法研究
FCM算法
自适应细菌觅食
聚类优化
算法评估
仿真实验
图像分割
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 一种混合蜂群算法的自适应细菌觅食优化算法
来源期刊 计算机工程 学科 工学
关键词 细菌觅食优化算法 人工蜂群算法 自适应步长 雇佣蜂式趋化 t分布扰动 对立学习
年,卷(期) 2014,(7) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 146-150
页数 5页 分类号 TP301
字数 4688字 语种 中文
DOI 10.3969/j.issn.1000-3428.2014.07.029
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 唐振民 南京理工大学计算机科学与工程学院 191 2436 26.0 40.0
2 杜鹏桢 南京理工大学计算机科学与工程学院 3 85 3.0 3.0
3 孙研 南京理工大学计算机科学与工程学院 3 85 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (56)
参考文献  (11)
节点文献
引证文献  (7)
同被引文献  (28)
二级引证文献  (14)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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)
2002(7)
  • 参考文献(1)
  • 二级参考文献(6)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(8)
  • 参考文献(4)
  • 二级参考文献(4)
2012(6)
  • 参考文献(4)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 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)
2018(6)
  • 引证文献(2)
  • 二级引证文献(4)
2019(8)
  • 引证文献(2)
  • 二级引证文献(6)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
细菌觅食优化算法
人工蜂群算法
自适应步长
雇佣蜂式趋化
t分布扰动
对立学习
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导