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:
在基本蚁群算法基础上引入人工免疫的思想,对算法中初始信息素分布、信息素调整机制及选择概率函数等方面做出改进,使蚁群辨识方法能够更快、更精确地逼近实际系统的输出.结合仿真实验结果表明,该方法比基本蚁群算法具有更高的寻优效率和辨识精度.
推荐文章
基于遗传算法的热工过程模型辨识
火电厂
遗传算法
模型辨识
热工过程
基于连续域蚁群算法的船舶纵向运动参数辨识
参数辨识
连续域蚁群
纵向运动
采用序优化的改进蚁群算法
蚁群算法
序优化
盲目挑选
旅行商问题
采用改进型SOS算法的光伏组件模型参数辨识
共生生物搜索算法
准反射学习
元启发式算法
光伏组件模型
参数辨识
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 采用改进蚁群算法的热工过程模型参数辨识
来源期刊 发电设备 学科 工学
关键词 热工过程 系统辨识 蚁群算法 人工免疫
年,卷(期) 2016,(2) 所属期刊栏目 研究与分析
研究方向 页码范围 77-80,84
页数 5页 分类号 TK232|TP301.6
字数 4039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 张雨飞 东南大学能源与环境学院 33 282 7.0 16.0
2 章程明 东南大学能源与环境学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (85)
共引文献  (108)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (17)
二级引证文献  (3)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(8)
  • 参考文献(0)
  • 二级参考文献(8)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(10)
  • 参考文献(1)
  • 二级参考文献(9)
2004(9)
  • 参考文献(0)
  • 二级参考文献(9)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(8)
  • 参考文献(1)
  • 二级参考文献(7)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(11)
  • 参考文献(3)
  • 二级参考文献(8)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
热工过程
系统辨识
蚁群算法
人工免疫
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
发电设备
双月刊
1671-086X
31-1391/TN
大16开
上海闵行剑川路1115号
1987
chi
出版文献量(篇)
2453
总下载数(次)
4
总被引数(次)
8536
论文1v1指导