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:
蚁群优化算法的理论研究有助于更好地理解算法的原理以及指导算法应用。回顾了蚁群优化算法的收敛性分析、时间复杂度分析与近似性能分析等理论研究进展,分析了其理论研究的对象从简单的拟布尔函数转为组合优化问题以及实际应用问题。从蚁群算法理论分析方法和研究问题类型2个方面对蚁群算法的理论研究进行综述。介绍了适应值划分、漂移分析等最基本的数学分析工具,对时间复杂性及近似性能等重要问题进行了探讨。总结比较了蚁群算法求解各类问题的性能,指出这些研究能够更加深入了解蚁群算法的运行机制。最后,探讨了目前蚁群算法理论研究中亟待解决的问题,指出引入新的分析工具以及研究更为复杂的算法模型等是值得进一步研究的方向和内容。
推荐文章
蚁群算法及其应用研究进展
群智能方法
蚁群算法
优化问题
蚁群优化算法的研究进展
蚁群算法
蚂蚁系统
组合优化
启发式算法
蚁群算法研究与应用的新进展
蚁群算法
复杂组合优化
算法改进
应用进展
蚁群算法收敛性验证系统的研究与实现
蚁群算法
收敛性
优化算法
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 蚁群优化算法的理论研究进展
来源期刊 智能系统学报 学科 工学
关键词 蚁群优化算法 理论研究 组合优化 收敛性 时间复杂度 近似性能
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 27-36
页数 10页 分类号 TP18|TP301.6
字数 11200字 语种 中文
DOI 10.11992/tis.201510002
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 夏小云 江西理工大学信息工程学院 10 84 5.0 9.0
3 周育人 中山大学数据科学与计算机学院 7 74 3.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (101)
参考文献  (29)
节点文献
引证文献  (48)
同被引文献  (120)
二级引证文献  (49)
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)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(6)
  • 参考文献(2)
  • 二级参考文献(4)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(8)
  • 参考文献(5)
  • 二级参考文献(3)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(4)
  • 参考文献(3)
  • 二级参考文献(1)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(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(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2016(4)
  • 引证文献(4)
  • 二级引证文献(0)
2017(13)
  • 引证文献(10)
  • 二级引证文献(3)
2018(24)
  • 引证文献(18)
  • 二级引证文献(6)
2019(42)
  • 引证文献(13)
  • 二级引证文献(29)
2020(14)
  • 引证文献(3)
  • 二级引证文献(11)
研究主题发展历程
节点文献
蚁群优化算法
理论研究
组合优化
收敛性
时间复杂度
近似性能
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
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
总被引数(次)
12401
论文1v1指导