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:
传统蚁群优化算法研究已经取得了很多重要的成果,但是在解决大规模组合优化问题时仍存在早熟收敛,搜索时间长等缺点。为此,将邻域搜索技术与蚁群优化算法进行融合,提出一种新的并行蚁群优化算法,实验结果表明,在解决大规模TSP问题时,该算法求解质量和稳定性更好,在短时间内即可得到较高质量的解。
推荐文章
基于细粒度模型的并行蚁群优化算法
蚁群优化算法
蚁群系统
并行算法
细粒度模型
TSP问题
分层交互式蚁群优化算法及其应用
蚁群优化
人机交互
分层
汽车造型
基于C++ AMP加速并行蚁群算法
蚁群算法
并行蚁群算法
C++ AMP
GPU计算
改进交互式蚁群算法及其应用
交互式蚁群优化
蚁群优化
人机交互
汽车造型
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 基于交互式的并行蚁群优化算法
来源期刊 计算机系统应用 学科
关键词 组合优化问题 邻域搜索技术 并行蚁群优化算法 邻域搜索 TSP问题
年,卷(期) 2015,(2) 所属期刊栏目 软件技术?算法
研究方向 页码范围 224-228
页数 5页 分类号
字数 4384字 语种 中文
DOI
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 安毅生 长安大学信息工程学院 45 264 10.0 15.0
2 孟鑫 长安大学信息工程学院 3 7 2.0 2.0
3 张志明 长安大学信息工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
组合优化问题
邻域搜索技术
并行蚁群优化算法
邻域搜索
TSP问题
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
论文1v1指导