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:
传统的群智能算法不断被优化和改进,但由于传统单纯算法的固有缺陷和局限性很难从根本上去除,因此衍生出许多群智能混合算法.针对人工鱼群算法(AFSA)收敛速度慢及粒子群算法(PSO)全局收敛性差的缺陷,提出了一种新的粒子群与人工鱼群的混合算法.算法以人工鱼群算法为基础,将粒子群算法的线性递减惯性权重策略引入到人工鱼群算法中,对人工鱼进行编码处理以及动态改变人工鱼个体的视野,使之形成新的粒子群人工鱼群混合算法(PSO-AFSA).完成算法融合并将混合算法应用于旅行商(TSP)问题.仿真结果表明:与传统的人工鱼群算法和粒子群算法相比,该混合算法全局收敛性效果更好,收敛速度更快.
推荐文章
人工鱼群—粒子群混合算法优化进港航班排序
空中交通管理
进港航班排序
先来先服务调度方法
人工鱼群算法
粒子群优化算法
人工鱼群—粒子群混合算法
基于人工鱼群与粒子群融合算法的 WMSN 覆盖优化研究
无线多媒体传感器网络
覆盖优化
粒子群算法
人工鱼群算法
粒子群与遗传算法的混合算法
离散旅行商问题
遗传算法
粒子群算法
自适应
启发策略
蚁群与粒子群混合算法求解TSP问题
蚁群算法
粒子群优化算法
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 基于粒子群与人工鱼群混合算法的TSP求解模型
来源期刊 四川理工学院学报(自然科学版) 学科 工学
关键词 旅行商问题 人工鱼群算法 粒子群算法 混合算法
年,卷(期) 2017,(1) 所属期刊栏目 电子及计算机科学
研究方向 页码范围 27-31,37
页数 6页 分类号 TB115
字数 3562字 语种 中文
DOI 10.11863/j.suse.2017.01.05
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 黄宜庆 安徽工程大学电气工程学院 17 49 4.0 6.0
2 彭凯 安徽工程大学电气工程学院 3 30 2.0 3.0
3 邵寿琛 安徽工程大学电气工程学院 2 8 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (89)
共引文献  (110)
参考文献  (16)
节点文献
引证文献  (8)
同被引文献  (18)
二级引证文献  (4)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(13)
  • 参考文献(0)
  • 二级参考文献(13)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(9)
  • 参考文献(1)
  • 二级参考文献(8)
2010(7)
  • 参考文献(4)
  • 二级参考文献(3)
2011(7)
  • 参考文献(3)
  • 二级参考文献(4)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(13)
  • 参考文献(2)
  • 二级参考文献(11)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(5)
  • 参考文献(5)
  • 二级参考文献(0)
2017(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(7)
  • 引证文献(5)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 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
旅行商问题
人工鱼群算法
粒子群算法
混合算法
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
四川理工学院学报(自然科学版)
双月刊
1673-1549
51-1687/N
四川省自贡市汇兴路学苑街180号
chi
出版文献量(篇)
2774
总下载数(次)
3
总被引数(次)
12372
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导