蚁群算法的小改进
被引量：1
An Improved Algorithm over ACO
摘要
蚁群算法是一种通用仿生算法,可求解传统方法难以解决的非凸、非线性非连续的优化问题。本文针对基本算法的缺点,结合遗传算法和自适应思想对其进行改进。
出处
《现代计算机》
2005年第2期76-79,共4页
Modern Computer
参考文献6
-
1林锦,朱文兴.凸整数规划问题的混合蚁群算法[J].福州大学学报（自然科学版）,1999,27(6):5-9. 被引量：19
-
2温文波,杜维.蚁群算法概述[J].石油化工自动化,2002,38(1):19-22. 被引量：56
-
3周勇,陈洪亮.蚁群算法的研究现状及其展望[J].微型电脑应用,2002,18(2):5-7. 被引量：28
-
4M Dorigo,G D Caro.Ant Colony Optimization :a New Metaheuristic.Proceeding of the 1999 Congress on Evolutionary Computation, 1999 : 1470-1477.
-
5M Dorigo, V Maniezzo, A Colomi.Ant System: Optimization by a Colony of Cooperating Agents.IEEE Trans on Systems, Man, and Cybernetics-Part B:Cybemetics, 1996,26( 1 ).
-
6In-Keun Yu ,C S Chou ,Y H Song.Application of the Ant Colony Serch Algorithm to Short-Term Generation Scheduling Problem of Thermal Units. POWERCON 98 International Conference on Power System Technology, 1998.
二级参考文献28
-
1[1]Colorni A.Distributed optimization by ant coloni es[R].Proc.of 1st European Conf.Artificial Life.
-
2[2]Dorigo M,Gianni Di Caro,Thomas Stutzle.Ant algorithms[J].Fut ure Generation Compuer System,2000,16:5-7.
-
3[3]Dorigo M Luca,Maria Gamberdella.Ant colony for the traveling s alesman problem[R].TR,IRIDIA,1996.
-
4[4]Dorigo M,Vittorio Maniezzo,Alberto Colorni.The Ant System:optim ization by a colony of cooperating agents[J].IEEE Transactions on systems,Man, and Cybernetics_Part B,1996,26(1):1-13.
-
5[5]Thomas Stützle,Holger H Hoos.MAX-MIN Ant System[J].Futur e Generation Computer System,2000,16:889-914.
-
6[6]Dorigo M.Heuristic from nature for hard combinatorial optimizat ion problems[J].International Transactions in operational research.,3(1):1-2 1.
-
7[7]Gambardella L M,Taillard E D,Dorigo M.Ant colonies for the qua dratic assignment problem[J].Journal of the Operational Research Society 1999 ,50(2):167-176.
-
8[8]Gambardella,Luca Maria,Dorigo M.Solving symmetric and asymmetr ic TSPs by and colonies[R].Proceedings of the IEEE Conference on Evolutionary Computation 1996,137-142.
-
9[9]Dorigo M,Luca Maria Gamberdella.Ant Colony System:A Cooperative Learning Approach to the Traveling Salesman Problem[R].TR,IRIDIA,1996.
-
10[10]Walter J,Gutjahr.AGraph_based Ant System and its convergence[ J]:Future Generation Computer System,2000,16:837-888.
共引文献93
-
1安强.基于蚁群算法的建筑业可持续发展分析[J].电脑知识与技术（过刊）,2007(18):1697-1698. 被引量：3
-
2陈平.适应形势发展要求 加强爱国主义教育[J].福建教育学院学报,2005,2(4):7-10.
-
3曹春红,李文辉,张永坚.遗传蚂蚁算法在几何约束求解中的应用[J].仪器仪表学报,2004,25(z3):393-396.
-
4叶志伟,郑肇葆.蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例[J].武汉大学学报（信息科学版）,2004,29(7):597-601. 被引量：157
-
5吴建军,刘军.物流配送路径安排问题的混合蚁群算法[J].土木工程学报,2004,37(8):98-101. 被引量：13
-
6姜长元.蚁群算法的理论及其应用[J].计算机时代,2004(6):1-3. 被引量：20
-
7赵建有,闫旺,胡大伟.配送网络规划蚁群算法[J].交通运输工程学报,2004,4(3):79-81. 被引量：15
-
8陈昌富,龚晓南.混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用[J].岩石力学与工程学报,2004,23(20):3450-3453. 被引量：24
-
9覃方君,田蔚风,李安,卞鸿巍.基于蚁群算法的复杂系统多故障状态的决策[J].中国惯性技术学报,2004,12(4):12-15. 被引量：6
-
10李莉,乔非,吴启迪.半导体生产线群体智能调度模型研究[J].中国机械工程,2004,15(22):2006-2009. 被引量：7
同被引文献9
-
1叶志伟,郑肇葆.蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例[J].武汉大学学报（信息科学版）,2004,29(7):597-601. 被引量：157
-
2刘梅,赵刚,权太范.新型遗传算法在防空指挥系统目标分配中的应用[J].系统工程与电子技术,2005,27(3):456-460. 被引量：13
-
3范洁,刘玉树,龚元明,陈云飞.基于混合蚁群算法的WTA问题求解[J].计算机工程与应用,2005,41(10):59-61. 被引量：13
-
4韩瑞新,朱红胜,卢厚清,屈兵超,张宏军.舰艇编队防空火力基于改进遗传算法的分配方案[J].解放军理工大学学报（自然科学版）,2006,7(1):46-50. 被引量：14
-
5M Dorigo, V Maniezzo, A Colorni. The Ant System: An Au-tocalytie Optimizing Process[R]. Technical Report No. 91-016Revised, Politecnico di Milan O, Italy, 1991.
-
6Marco Dorigo, etc. The Ant System:Optimization by a colony of cooperating agents[J]. IEEE Transactions on System, Man, and Cybernetics-part B, 1996,26 ( 1 ) : 29-41.
-
7Zne-jung Lee, Chou-Yuan Lee, Shun-Feng Su. An immunity-based ant colony optimization algorithm for solving weapon-target assignment problem[J]. Applied Soft Computing, 2002, (2): 39-47.
-
8温文波,杜维.蚁群算法概述[J].石油化工自动化,2002,38(1):19-22. 被引量：56
-
9冯杰.遗传算法及其在导弹火力分配上的应用[J].火力与指挥控制,2004,29(2):43-45. 被引量：36
二级引证文献9
-
1陈昊.基于OpenMP的并行蚁群算法求解协同空战火力分配[J].传感器与微系统,2013,32(1):20-24. 被引量：7
-
2刘晓,刘忠,侯文姝,许江湖.火力分配多目标规划模型的改进MOPSO算法[J].系统工程与电子技术,2013,35(2):326-330. 被引量：30
-
3张毅,杨秀霞,周绍磊.基于量子分布估计算法的火力分配问题研究[J].电光与控制,2013,20(12):18-21. 被引量：5
-
4杨颖,魏鹏,蒋鸣,刘新学.基于并行蚁群算法的常规导弹作战任务分配[J].弹箭与制导学报,2014,34(5):189-192. 被引量：11
-
5范成礼,邢清华,郑明发,王艺菲.基于模糊随机规划的反TBM目标分配优化模型[J].系统工程理论与实践,2015,35(9):2401-2409. 被引量：9
-
6孔德鹏,徐克虎,陈金玉.合成分队武器目标分配方法研究[J].计算机仿真,2016,33(4):19-22. 被引量：1
-
7班超.蚁群算法对非致命武器分配模型的求解仿真[J].化学工程与装备,2016(5):28-31.
-
8周爽,邱涛.多波次导弹发射中的规划问题[J].农业装备与车辆工程,2018,56(11):52-55. 被引量：2
-
9李灵之,徐克虎,于璇.浅谈群智能算法在火力分配模型求解中的应用[J].山东工业技术,2018(21):221-221.
-
1戴三,陈恭洋,周云才.旅行商问题(TSP)算法比较[J].计算机与数字工程,2013,41(9):1445-1447. 被引量：4
-
2胡风新,郭红瑾,孙运芳.免疫算法理论及应用研究[J].计算机与数字工程,2009,37(7):46-49. 被引量：7
-
3徐晓霞.非连续簇的被删文件的恢复[J].新浪潮,1989(4):30-32.
-
4艾明,王魁生.蚁群算法在TSP问题中的应用[J].电脑知识与技术,2006(10):96-96. 被引量：1
-
5岳同森,王大海.一种改进的仿生算法研究与分析[J].软件,2011,32(3):60-62.
-
6叶家成,彭宏.解全局优化问题的遗传算法的一些新进展[J].吉首大学学报,1997,18(1):68-70.
-
7严晓明,郑之.基于混合仿生算法的SVM参数优化[J].广西师范大学学报（自然科学版）,2011,29(2):114-118. 被引量：3
-
8吴菁,陈罡,孟静.基于预测控制的非连续路段下移动机器人的轨迹跟踪[J].计算机测量与控制,2016,24(10):74-78. 被引量：2
-
9马闯,吴涛,段梦雅.基于三种近邻网络的聚类算法研究[J].佳木斯大学学报（自然科学版）,2014,32(5):779-782.
-
10夏立民,王华,窦倩,陈玲.基于蚁群算法的最优路径选择问题的研究[J].计算机工程与设计,2007,28(16):3957-3959. 被引量：18
