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:
鸽群优化算法在求解最优问题时易早熟收敛,陷入局部最优,因此本文提出了带认知因子的交叉鸽群算法.首先,将地图指南针算子和地标算子进行联合交叉运行;然后,在地图和指南针算子中引入了非线性递增的认知因子,并将其视为运动权值的三角函数;最后,在地标算子中,引入呈三角函数递增的压缩因子,增加算法的平滑性.仿真结果表明,改进后的算法收敛精度有很大的提高,能有效地避免早熟收敛,跳出局部极值,具有更好地寻优能力.
推荐文章
具有收缩因子的自适应鸽群算法用于函数优化问题
鸽群算法
收敛因子
自适应策略
测试函数
群智能优化算法
一种带交叉因子的双向寻优粒子群优化算法
粒子群优化
双向学习机制
交叉因子
早熟收敛
基于遗传交叉因子的改进蜂群优化算法
蜂群算法
交叉因子
收益度
遗传算法
融合对数交叉概率因子和随机迁移的差分进化算法
差分进化
自适应交叉概率
随机迁移
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 带认知因子的交叉鸽群算法
来源期刊 四川大学学报(自然科学版) 学科 工学
关键词 鸽群算法 联合 交叉 认知因子 压缩因子 统一性
年,卷(期) 2018,(2) 所属期刊栏目 电子信息科学
研究方向 页码范围 295-300
页数 6页 分类号 TP301.6
字数 3246字 语种 中文
DOI 10.3969/j.issn.0490-6756.2018.02.014
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 李智 四川大学电子信息学院 124 459 10.0 14.0
2 陶国娇 四川大学电子信息学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (54)
参考文献  (7)
节点文献
引证文献  (4)
同被引文献  (33)
二级引证文献  (3)
1972(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
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)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(4)
  • 引证文献(2)
  • 二级引证文献(2)
研究主题发展历程
节点文献
鸽群算法
联合
交叉
认知因子
压缩因子
统一性
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
四川大学学报(自然科学版)
双月刊
0490-6756
51-1595/N
大16开
成都市九眼桥望江路29号
62-127
1955
chi
出版文献量(篇)
5772
总下载数(次)
10
总被引数(次)
25503
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导