作者:
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:
针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为,在围攻行为中考虑狼个体的自身能量,最后利用差分进化算法和混沌理论完成个体变异,并进行探索全局最优位置.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优.
推荐文章
基于RFID技术的自适应分组标签防碰撞算法研究
自适应分组
标签防碰撞算法
RFID技术
信号控制
参数设定
仿真实验
自适应差分演化算法及其在全局优化中的应用
演化算法
差分演化
自适应
多样性规则
约束全局最优化
自适应差分隐私预算分配策略的直方图发布算法
差分隐私
大数据分析
直方图发布
隐私预算分配
数据可用性
自适应变异的果蝇优化算法
果蝇优化
自适应
变异
早熟收敛
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 自适应分组差分变异狼群优化算法
来源期刊 华东师范大学学报(自然科学版) 学科 工学
关键词 狼群优化算法 佳点集 差分变异 混沌
年,卷(期) 2017,(3) 所属期刊栏目 计算机科学
研究方向 页码范围 78-86
页数 9页 分类号 TP301.6
字数 5609字 语种 中文
DOI 10.3969/j.issn.1000-5641.2017.03.008
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 张强 东北石油大学计算机与信息技术学院 89 201 7.0 10.0
2 王梅 东北石油大学计算机与信息技术学院 26 38 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (159)
共引文献  (301)
参考文献  (16)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(17)
  • 参考文献(0)
  • 二级参考文献(17)
2010(14)
  • 参考文献(0)
  • 二级参考文献(14)
2011(30)
  • 参考文献(3)
  • 二级参考文献(27)
2012(18)
  • 参考文献(1)
  • 二级参考文献(17)
2013(20)
  • 参考文献(3)
  • 二级参考文献(17)
2014(12)
  • 参考文献(2)
  • 二级参考文献(10)
2015(6)
  • 参考文献(6)
  • 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)
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)
研究主题发展历程
节点文献
狼群优化算法
佳点集
差分变异
混沌
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
华东师范大学学报(自然科学版)
双月刊
1000-5641
31-1298/N
16开
上海市中山北路3663号
4-359
1955
chi
出版文献量(篇)
2430
总下载数(次)
5
总被引数(次)
17499
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导