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:
分别以遗传算法与蚁群算法对23个站位的海洋渔业资源调查路径进行规划,寻找其最优路径.求解结果表明,遗传算法和蚁群算法都能找到同样的最短路径,比实际路径缩短了8.32%的里程.蚁群算法求得的平均路径长度小于遗传算法,但所耗时间比遗传算法多一倍左右.
推荐文章
DEM中基于遗传与蚁群的混合路径规划算法
路径规划
数字高程模型
遗传算法
蚁群算法
改进蚁群算法在全局路径规划中的应用
蚁群算法
全局路径规划
栅格法
改进方法
Stei ne r树遗传蚁群算法在路径选择中的应用
遗传算法
蚁群算法
Steiner树
基于遗传算法和蚁群算法融合的QoS路由算法
遗传算法
蚁群算法
服务质量路由
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 遗传算法与蚁群算法在海洋调查路径规划中的应用
来源期刊 海洋渔业 学科 农学
关键词 路径规划 遗传算法 蚁群算法 海洋渔业 资源调查
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 83-87
页数 5页 分类号 S932.4
字数 2826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 凌建忠 中国水产科学研究院东海水产研究所农业部东海与远洋渔业资源开发利用重点实验室 32 503 14.0 22.0
2 张寒野 中国水产科学研究院东海水产研究所农业部东海与远洋渔业资源开发利用重点实验室 23 314 9.0 17.0
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  (9)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (2)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
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
路径规划
遗传算法
蚁群算法
海洋渔业
资源调查
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
海洋渔业
双月刊
1004-2490
31-1341/S
大16开
上海市军工路300号
4-630
1979
chi
出版文献量(篇)
1513
总下载数(次)
2
论文1v1指导