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:
针对标准磷虾群算法(KH)在求解复杂函数优化问题时局部搜索能力差,开采能力不足的问题,提出了一种基于近邻套索算子的磷虾群算法(NLKH).该算法将一种新的近邻套索算子加入了标准磷虾群算法,使得处理复杂函数优化问题更加有效.近邻套索算子通过比较磷虾个体之间的欧式距离来选取目标磷虾对,然后通过在优质个体附近加速操作产生新磷虾个体和剔除劣质磷虾个体的方式,提高了磷虾个体局部搜索的能力.通过比较PSO算法、KH算法、KHLD算法、NLKH算法在10个测试函数上的结果表明,NLKH算法相较于PSO算法、KH算法和KHLD算法有着更强全局搜索能力,寻优精度更高,收敛速度更快,稳定性更好.并且NLKH算法相较于KH算法和KHLD算法有着更强的局部勘测能力,开采能力更强.
推荐文章
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
基于聚集度的异化磷虾群算法
磷虾群算法
异化
聚集度
变异策略
基于互利共生和优胜劣汰的改进磷虾群算法
磷虾群算法
互利共生
优胜劣汰
一种自适应惯性权重的改进磷虾群算法
磷虾群算法
全局优化
自适应
惯性权重
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 基于近邻套索算子的磷虾群算法
来源期刊 计算机工程与应用 学科 工学
关键词 磷虾群算法 近邻套索算子 函数优化 开采能力
年,卷(期) 2019,(9) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 124-129,177
页数 7页 分类号 TP18
字数 4162字 语种 中文
DOI 10.3778/j.issn.1002-8331.1801-0457
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 黄樟灿 武汉理工大学理学院 75 570 12.0 20.0
2 谈庆 武汉理工大学理学院 6 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  (24)
共引文献  (12)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(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)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(7)
  • 参考文献(4)
  • 二级参考文献(3)
2014(10)
  • 参考文献(4)
  • 二级参考文献(6)
2015(6)
  • 参考文献(0)
  • 二级参考文献(6)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
磷虾群算法
近邻套索算子
函数优化
开采能力
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导