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:
针对全局最优人工蜂群算法(GABC)搜索迭代过程中未充分考虑到全局优化和局部优化在优化过程中的作用,在一定程度上降低了算法的全局搜索能力,容易陷入局部最优解的问题,提出了一种带搜索因子的全局最优人工蜂群算法(HF-GABC).在最优人工蜂群(GABC)算法中引入了可以随着优化过程动态搜索的因子,在算法的全局搜索过程和局部搜索过程中进行动态搜索.应用改进的算法对4个标准测试集函数进行仿真试验,并与ABC算法、GABC算法的结果进行比较.实验结果表明:带搜索因子的人工蜂群算法收敛性能优于ABC和GABC算法,有效降低了局部收敛的可能性,并且提高了搜索精度.
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
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
一种具有学习能力的人工蜂群优化算法
人工蜂群算法
优化
学习能力
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 一种带搜索因子的全局最优人工蜂群算法
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 全局最优人工蜂群算法 全局优化 局部优化 动态调节 搜索因子
年,卷(期) 2017,(6) 所属期刊栏目 电子·自动化
研究方向 页码范围 160-165,187
页数 7页 分类号 TP301.6
字数 3398字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2017.06.024
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 火久元 兰州交通大学电子与信息工程学院 23 105 5.0 9.0
2 梅凯 兰州交通大学电子与信息工程学院 2 1 1.0 1.0
3 常扣扣 兰州交通大学电子与信息工程学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (76)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(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(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(9)
  • 参考文献(1)
  • 二级参考文献(8)
2010(12)
  • 参考文献(1)
  • 二级参考文献(11)
2011(10)
  • 参考文献(1)
  • 二级参考文献(9)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
全局最优人工蜂群算法
全局优化
局部优化
动态调节
搜索因子
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
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导