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:
提出一种基于进化知识融合的多目标人工蜂群算法.首先,采用精英群体知识和种群自身进化知识混合引导引领蜂进化,保持种群的多样性和优异性;然后,将一种融合个体支配关系和种群分布关系的方法引入跟随蜂的概率选择中,合理选择个体进行深度开发以改善算法收敛性能和分布性能;最后,提出一种更为严格的外部档案维护策略以降低外部档案维护成本,提高解集的分布性能.通过求解标准测试函数,并与其他3种多目标优化算法进行比较,仿真结果表明所提出算法具有良好的收敛性能和分布性能,且解集的覆盖范围更广.
推荐文章
基于混合人工蜂群算法的多目标柔性作业车间调度问题研究
计算机应用
柔性作业车间调度
人工蜂群算法
多目标优化
禁忌搜索
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
多目标人工蜂群算法研究
人工蜂群算法
Pareto
粒子群算法
采蜜行为
多目标人工蜂群算法在服务组合优化中的应用
服务组合
服务质量
人工蜂群算法
Pareto占优
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 一种基于进化知识融合的多目标人工蜂群算法
来源期刊 控制与决策 学科 工学
关键词 多目标优化 进化知识融合 多目标人工蜂群算法 智能优化
年,卷(期) 2017,(12) 所属期刊栏目 论文与报告
研究方向 页码范围 2176-2182
页数 7页 分类号 TP18
字数 语种 中文
DOI 10.13195/j.kzyjc.2016.1322
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 沈艳霞 江南大学物联网技术应用教育部工程研究中心 177 2135 23.0 39.0
2 吴定会 江南大学物联网技术应用教育部工程研究中心 119 542 11.0 16.0
3 陈杰 江南大学物联网技术应用教育部工程研究中心 14 43 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (109)
共引文献  (464)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (27)
二级引证文献  (6)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(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)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(27)
  • 参考文献(2)
  • 二级参考文献(25)
2012(17)
  • 参考文献(1)
  • 二级参考文献(16)
2013(18)
  • 参考文献(0)
  • 二级参考文献(18)
2014(6)
  • 参考文献(2)
  • 二级参考文献(4)
2015(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(6)
  • 引证文献(2)
  • 二级引证文献(4)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
多目标优化
进化知识融合
多目标人工蜂群算法
智能优化
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
控制与决策
月刊
1001-0920
21-1124/TP
大16开
沈阳东北大学125信箱
1986
chi
出版文献量(篇)
7031
总下载数(次)
20
总被引数(次)
141238
论文1v1指导