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:
人工蜂群(artificial bee colony,简称ABC)算法是模拟蜂群在采蜜过程中所表现的群体智能行为来实现对实际问题求解的相对较新的优化技术.针对ABC算法收敛速度慢和容易陷入局部最优的缺点,结合坐标转换七参数计算的特点,作者对ABC算法的初始解的确定和观察蜂阶段选择策略进行了改进,并将此改进的ABC算法应用到坐标转换七参数的计算中.通过与其他两种方法计算的七参数进行坐标转换的精度对比实验,验证了论文方法计算的七参数实现了更高精度的WGS-84坐标系与BJ-54坐标系坐标的转换.
推荐文章
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
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
基于交叉突变算子的人工蜂群算法及其应用
人工蜂群算法
交叉突变算子
差分进化
函数优化
K-均值
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
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 改进的人工蜂群算法及其在坐标转换七参数计算中的应用
来源期刊 安徽大学学报(自然科学版) 学科 工学
关键词 ABC算法 初始解 观察蜂阶段 七参数法 坐标转换
年,卷(期) 2015,(6) 所属期刊栏目 计算机科学与技术
研究方向 页码范围 23-28
页数 6页 分类号 TP18
字数 4202字 语种 中文
DOI 10.3969/j.issn.1000-2162.2015.06.005
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 汪继文 安徽大学计算机科学与技术学院 88 632 12.0 20.0
2 邱剑锋 安徽大学计算机科学与技术学院 30 170 7.0 12.0
3 杜迪 安徽大学计算机科学与技术学院 1 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  (42)
共引文献  (79)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (1)
二级引证文献  (0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2018(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
ABC算法
初始解
观察蜂阶段
七参数法
坐标转换
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
安徽大学学报(自然科学版)
双月刊
1000-2162
34-1063/N
大16开
安徽省合肥市
26-39
1960
chi
出版文献量(篇)
2368
总下载数(次)
6
总被引数(次)
11731
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导