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:
针对传统蚁群算法容易陷入局部最优解等缺陷,提出了一种基于吸引场的改进的蚁群算法.首先,详细分析了基于信息素的吸引场原理,在此基础上建立了基于信息素的吸引场模型.其次,设计了吸引场因子,给出了信息素更新策略,使相距较近的蚂蚁之间能更好地进行协作.最后,针对标准的30个城市的旅行商问题,使用所提出的算法与基本蚁群算法、其他改进的蚁群算法进行优化分析,并进行了结果对比.结果表明:所提出的蚁群算法可以获得TSP问题的最优解423.74,Oliver30问题计算结果最优值为423.74,平均值为423.96,具有较好的搜索全局最优解的能力.
推荐文章
基于蚁群优化算法的TSP问题研究
蚁群算法
TSP问题
信息素
基于蚁群算法的TSP问题研究
蚁群算法
TSP
最优解
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 基于吸引场的蚁群算法在TSP中的应用
来源期刊 江苏大学学报(自然科学版) 学科 工学
关键词 路径规划 旅行商问题 蚁群算法 信息素 吸引场
年,卷(期) 2015,(5) 所属期刊栏目
研究方向 页码范围 573-577,582
页数 6页 分类号 TP183
字数 5036字 语种 中文
DOI 10.3969/j.issn.1671-7775.2015.05.014
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 王雷 安徽工程大学机械与汽车工程学院 54 340 11.0 16.0
2 李明 安徽工程大学机械与汽车工程学院 16 218 8.0 14.0
3 刘志虎 安徽工程大学机械与汽车工程学院 6 85 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (94)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (47)
二级引证文献  (25)
1995(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)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(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)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(13)
  • 参考文献(2)
  • 二级参考文献(11)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(4)
  • 参考文献(3)
  • 二级参考文献(1)
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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(19)
  • 引证文献(2)
  • 二级引证文献(17)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
路径规划
旅行商问题
蚁群算法
信息素
吸引场
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
江苏大学学报(自然科学版)
双月刊
1671-7775
32-1668/N
大16开
江苏省镇江市梦溪园巷30号
28-83
1980
chi
出版文献量(篇)
2980
总下载数(次)
2
总被引数(次)
31026
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导