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:
蚁群优化算法是一种能应用于求解旅行商问题(Traveling Salesman Problem,TSP)的智能算法,但蚁群算法在求解TSP路径规划问题中存在收敛速度慢、易陷入局部最优解问题,而将蚂蚁算法的蚁群分组,能增加全局搜索能力,提高求解路径规划性能.通过分析蚁群分组大小与蚁群算法性能的关系,并提出了一种自适应分组蚁群算法,采用一种随迭代分组数减少策略方法,并将其应用于对TSP路径规划问题求解.通过实验结果对比表明,自适应分组蚁群算法在收敛速度和搜索质量方面都有了明显提高.
推荐文章
一种求解TSP的自适应蚁群优化算法
蚁群算法
旅行商问题(TSP)
组合优化
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
一种可自适应分组的多输入多输出支持向量机算法
支持向量机
自适应分组
混合0-1规划
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
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 一种自适应分组的蚁群算法
来源期刊 计算机工程与应用 学科
关键词 旅行商问题 蚁群算法 分组 自适应
年,卷(期) 2021,(6) 所属期刊栏目 理论与研发|Theory, Research and Development
研究方向 页码范围 67-73
页数 7页 分类号 TP301.6
字数 语种 中文
DOI 10.3778/j.issn.1002-8331.2003-0296
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (105)
共引文献  (51)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(6)
  • 参考文献(1)
  • 二级参考文献(5)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(7)
  • 参考文献(1)
  • 二级参考文献(6)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(8)
  • 参考文献(1)
  • 二级参考文献(7)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(14)
  • 参考文献(1)
  • 二级参考文献(13)
2013(13)
  • 参考文献(2)
  • 二级参考文献(11)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(13)
  • 参考文献(2)
  • 二级参考文献(11)
2019(3)
  • 参考文献(1)
  • 二级参考文献(2)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
旅行商问题
蚁群算法
分组
自适应
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
相关基金
福建省自然科学基金
英文译名:Natural Science Foundation of Fujian Province of China
官方网址:http://www.fjinfo.gov.cn/fz/zrjj.htm
项目类型:重大项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导