原文服务方: 微电子学与计算机       
摘要:
针对蚁群优化算法易陷入局部最优的问题,提出遗传增强蚁群优化算法.在算法迭代过程中,维护历史最优解,将历史最优解与当前部分较好解作为遗传算法的初始化染色体,采用遗传算法在更广阔的空间中搜索较好解.将蚂蚁搜索解与遗传算法搜索解合并选择当前最优解,防止蚁群优化陷入局部最优.以二分类问题中的特征选择为例,与粒子群优化算法与差分进化算法进行对比,在3个标准测试数据上进行试验,结果表明算法的有效性及其优越性.
推荐文章
增强型的蚁群优化算法
蚁群优化算法
旅行商问题
遗传算法
模拟退火
遗传算法与蚁群算法在PID优化中的应用比较
PID优化
遗传算法
蚁群算法
混合蚁群遗传算法的树枝型铁路取送车问题优化
蚁群遗传算法
取送车作业
组合优化
基于遗传-蚁群算法的云计算任务调度优化
云计算
遗传算法
任务调度
任务完成时间
蚁群算法
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 遗传增强蚁群优化算法
来源期刊 微电子学与计算机 学科
关键词 蚁群优化算法 遗传算法 局部最优 粒子群优化 差分进化算法
年,卷(期) 2018,(8) 所属期刊栏目
研究方向 页码范围 101-104,108
页数 5页 分类号 TP301.6
字数 语种 中文
DOI
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 王智学 解放军理工大学指挥信息系统学院 76 534 12.0 19.0
2 刘艺 解放军理工大学指挥信息系统学院 5 36 3.0 5.0
3 梁豪默 解放军理工大学指挥信息系统学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
蚁群优化算法
遗传算法
局部最优
粒子群优化
差分进化算法
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导