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:
蚁群算法在解决NP-C问题时展现出了较强的适用性,但收敛速度慢,容易陷入局部最优解的缺陷却没有得到较好解决.于是,提出了一种基于城市权重的蚁群算法ACAWC(Ant Colony Algorithm based on the Weight of City).改进后的算法通过利用城市距离在整个城市网中所占比重来协调启发信息作用,同时应用双重赌盘算法和双重随机性的思想,增强了跳出局部最优解的概率,并改进了依据路径贡献度的信息素更新机制,加快了算法的收敛速度.仿真实验表明,ACAWC算法求得的最优解比基本蚁群算法提高了10%~15%,同时也一定程度地提高了收敛速度.
推荐文章
求解TSP的改进蚁群算法
蚁群算法(ACA)
旅行商问题
候选城市列表
聚类
蚁群系统(ACS)
基于局部优化策略求解TSP的蚁群算法
蚁群算法
局部优化
旅行商问题
基于遗传-模拟退火的蚁群算法求解TSP问题
传统蚁群算法
遗传算法
模拟退火
旅行商问题
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 基于城市权重的蚁群算法及其在TSP中的应用
来源期刊 通信技术 学科 工学
关键词 城市权重 蚁群算法 TSP 信息素
年,卷(期) 2016,(11) 所属期刊栏目 网络与系统
研究方向 页码范围 1493-1498
页数 6页 分类号 TP393
字数 3582字 语种 中文
DOI 10.3969/j.issn.1002-0802.2016.11.015
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 张达敏 贵州大学大数据与信息工程学院 80 398 8.0 17.0
2 张斌 贵州大学大数据与信息工程学院 26 64 4.0 7.0
3 马清鑫 贵州大学大数据与信息工程学院 2 5 2.0 2.0
4 阿明翰 贵州大学大数据与信息工程学院 3 26 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (361)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(6)
  • 参考文献(1)
  • 二级参考文献(5)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 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(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
城市权重
蚁群算法
TSP
信息素
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
通信技术
月刊
1002-0802
51-1167/TN
大16开
四川省成都高新区永丰立交桥(南)创业路8号
62-153
1967
chi
出版文献量(篇)
10805
总下载数(次)
35
论文1v1指导