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:
针对人工蜂群(ABC)及其改进算法在求解高维复杂函数优化问题时,存在求解精度低、收敛速度慢、易陷入局部寻优且改进算法控制参数多的不足,提出一种分阶段搜索的改进人工蜂群算法.该算法设计了分阶段雇佣蜂搜索策略,使雇佣蜂在不同阶段具备不同的搜索特点,降低了算法陷入局部极值的概率;定义逃逸半径,使其能够更好地指导早熟个体跳出局部极值,避免了逃逸行为的盲目性;同时,采用均匀分布结合反向学习的初始化策略,促使初始解分布均匀且质量较优.通过对优化问题中8个典型高维复杂函数的仿真实验结果表明,该改进算法求解精度更高,收敛速度更快,更加适合高维复杂函数求解.
推荐文章
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
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
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
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
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 分阶段搜索的改进人工蜂群算法
来源期刊 计算机应用 学科 工学
关键词 人工蜂群算法 数值函数优化 逃逸半径 自适应 均匀分布 反向学习
年,卷(期) 2015,(4) 所属期刊栏目 人工智能
研究方向 页码范围 1057-1061
页数 5页 分类号 TP301.6
字数 4811字 语种 中文
DOI 10.11772/j.issn.1001-9081.2015.04.1057
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 魏振华 东华理工大学信息工程学院 14 63 4.0 7.0
2 徐蕾 东华理工大学信息工程学院 4 36 2.0 4.0
3 李国亮 东华理工大学信息工程学院 2 36 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (143)
共引文献  (188)
参考文献  (19)
节点文献
引证文献  (7)
同被引文献  (22)
二级引证文献  (17)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(16)
  • 参考文献(0)
  • 二级参考文献(16)
2010(27)
  • 参考文献(1)
  • 二级参考文献(26)
2011(44)
  • 参考文献(0)
  • 二级参考文献(44)
2012(31)
  • 参考文献(4)
  • 二级参考文献(27)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(8)
  • 参考文献(8)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(4)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(5)
  • 引证文献(3)
  • 二级引证文献(2)
2019(11)
  • 引证文献(1)
  • 二级引证文献(10)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
人工蜂群算法
数值函数优化
逃逸半径
自适应
均匀分布
反向学习
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导