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:
为了克服人工蜂群算法在求解函数优化问题中所存在的局部搜索能力差、收敛精度低的缺点,提出了一种基于当前最优解的分段搜索策略的人工蜂群算法.该算法中跟随蜂利用由全局当前最优解和个体当前最优解引导的局部搜索策略逐维进行变异,并采用基于"分段思想"的局部搜索策略对蜜源进行贪婪更新,以提高蜜源的更新效率,从而提高了人工蜂群算法的局部搜索能力.6个标准测试函数的仿真实验结果表明,与基本人工蜂群算法相比,改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高.
推荐文章
基于随机搜索变异策略的人工蜂群算法
人工蜂群算法
随机搜索
搜索方程
函数优化
基于局部最优解的改进人工蜂群算法
人工蜂群算法
种群初始化
反向学习
搜索频率
平衡搜索的改进人工蜂群算法
人工蜂群算法
局部搜索
群智能算法
适应度评价
搜索策略
基于当前最优解的人工蜂群算法
人工蜂群算法
当前最优解
局部搜索
早熟收敛
侦查蜂
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 基于当前最优解的分段搜索策略的人工蜂群算法
来源期刊 计算机科学 学科 工学
关键词 人工蜂群算法 当前最优解 分段搜索 局部搜索
年,卷(期) 2015,(12) 所属期刊栏目 人工智能
研究方向 页码范围 263-267
页数 5页 分类号 TP18
字数 4137字 语种 中文
DOI 10.11896/j.issn.1002-137X.2015.12.056
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 毛力 江南大学物联网工程学院 64 283 8.0 12.0
2 吴滨 江南大学物联网工程学院 17 58 4.0 7.0
3 周长喜 4 15 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (91)
共引文献  (119)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (24)
1992(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)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(16)
  • 参考文献(1)
  • 二级参考文献(15)
2010(26)
  • 参考文献(1)
  • 二级参考文献(25)
2011(28)
  • 参考文献(3)
  • 二级参考文献(25)
2012(10)
  • 参考文献(3)
  • 二级参考文献(7)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
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)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(7)
  • 引证文献(2)
  • 二级引证文献(5)
2019(15)
  • 引证文献(0)
  • 二级引证文献(15)
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
人工蜂群算法
当前最优解
分段搜索
局部搜索
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导