蚁群算法与遗传算法结合使用方法论被引量：4

下载PDF

导出

摘要自然界有很多动物和植物的本领值得我们学习,这就是仿生学的由来。蚁群算法就是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法。在蚁群寻找食物时,它们总能找到一条从食物到巢穴之间的最优路径。这是因为蚂蚁在会在路径上释放出一种特殊的信息素。最优路径上的激素浓度越来越大,最终整个蚁群找出最优路径。遗传算法也是参考生物进化的过程演化而来的一种随机搜索方法。两种算法具有很好的互补性。

作者王晓红

机构地区武汉商业服务学院

出处《中国水运（下半月）》 2008年第8期131-132,共2页

关键词蚁群算法遗传算法多目标优化信息素模式识别

分类号 TP18 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

同被引文献33

1李文雄,陈存恩.混合遗传算法在桁架优化中的应用[J].工业建筑,2005,35(z1):301-303. 被引量：5
2詹士昌,徐婕.蚁群算法在马斯京根模型参数估计中的应用[J].自然灾害学报,2005,14(5):20-24. 被引量：20
3张宁,江红梅,张渭.基于MATLAB的电力系统潮流计算[J].西北农林科技大学学报（自然科学版）,2004,32(12):124-126. 被引量：7
4苏玲,赵冬梅,韩静.电力系统无功优化算法综述[J].现代电力,2004,21(6):40-45. 被引量：26
5陈根军,唐国庆.基于禁忌搜索与蚁群最优结合算法的配电网规划[J].电网技术,2005,29(2):23-27. 被引量：48
6马恒,刘栋栋,李维平,霍文营.基于遗传算法的桁架结构布局优化设计[J].北京建筑工程学院学报,2005,21(1):67-71. 被引量：8
7王黎,马光文.桁架结构优化设计的遗传算法[J].成都科技大学学报,1996(5):25-30. 被引量：7
8茹忠亮,赵洪波,索玉萍.微粒群算法在结构优化设计中的应用[J].河南理工大学学报（自然科学版）,2006,25(5):395-398. 被引量：3
9鲁帆,蒋云钟,王浩,牛存稳.多智能体遗传算法用于马斯京根模型参数估计[J].水利学报,2007,38(3):289-294. 被引量：27
10岑文辉,雷友坤,谢恒.应用人工神经网与遗传算法进行短期负荷预测[J].电力系统自动化,1997,21(3):29-32. 被引量：23

引证文献4

1陈少杰,段敬民,赵洪波.桁架结构优化设计的改进蚁群算法[J].工业建筑,2010,40(1):55-58. 被引量：7
2葛莲,理文祥.基于混合智能算法的电力系统无功优化研究[J].江西电力职业技术学院学报,2012,25(1):1-4. 被引量：1
3赵红杰,柏继云,马力.遗传扩展蚁群算法用于马斯京根模型参数估计[J].东北农业大学学报,2014,45(8):118-123. 被引量：4
4陈少杰,毛绍晨.改进的蚁群算法[J].中国建材科技,2014,0(S1):243-244.

二级引证文献12

1章荣国,徐夷青,陈俊岭,杨帆.基于遗传算法的钢筋混凝土吸热塔优化研究[J].建筑结构,2020,50(S02):557-561. 被引量：2
2赵若红,傅继阳,吴玖荣,徐安.一种改进的最优准则法及其在结构优化设计中的应用[J].建筑科学,2012,28(11):66-71. 被引量：4
3周书敬,韩雪.改进的蚁群算法及其在桁架结构优化中的应用[J].钢结构,2013,28(3):1-5. 被引量：2
4吴钗.对建筑结构优化设计的几点思考[J].中国科技博览,2014(39):156-156.
5王福林,付晓明,朱会霞,赵胜雪.基于两点交叉多子代遗传算法[J].东北农业大学学报,2016,47(3):72-79. 被引量：2
6武学伟,陈永刚.基于遗传细菌觅食混合算法的电力系统无功优化[J].电力电容器与无功补偿,2017,38(1):105-109. 被引量：3
7顾志强,季志恒,胡春歧.MSKLOSS河道洪水演算模型参数敏感性分析[J].南水北调与水利科技,2017,15(2):73-79. 被引量：1
8邢贞相,王欣,宫兴龙,付强,董洪涛.理想和实际资料情况下Nash模型参数异参同效性研究[J].灌溉排水学报,2018,37(12):114-122. 被引量：1
9刘洁,陈昊辉,张丰帆,姜德迅,许崇品,南军,王鹏.基于改进遗传算法的河流水质模型多参数识别[J].东北农业大学学报,2020,51(1):73-82. 被引量：7
10谢军,郭飞,朱守芹,梁金晓,阎杰,董捷.基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化[J].济南大学学报（自然科学版）,2023,37(2):247-252. 被引量：1

1王芳.基于蚁群算法的TSP问题研究与实现[J].科学中国人,2014(2X):1-1. 被引量：2
2杨清平,邓小清,蒲国林,邱玉辉.网格资源的组织与发现研究[J].重庆师范大学学报（自然科学版）,2008,25(4):70-73. 被引量：3
3宗泽宏.蚁群算法的应用与改进[J].电子技术与软件工程,2017(1):155-155.
4周国娟.基于蚁群算法的文本聚类处理的研究[J].通信技术,2010,43(11):74-77. 被引量：1
5寇文,恽源世.网络通信中四种寻径方式的性能比较及改进[J].微机发展,2003,13(9):35-37.
6徐娜.可识别物体的新式智能眼镜[J].知识就是力量,2009(6):45-45.
7徐娜.可识别物体的智能眼镜[J].科学之友,2008(5):25-25.
8黄珍,潘颖,曹晓丽.粒子群算法的基本理论及其改进研究[J].硅谷,2014,7(5):37-37. 被引量：6
9张中民.巧擒网络病毒[J].网管员世界,2010(16):44-44.
10刘瑶,孙济洲.一种解决非线性优化问题的新方法[J].微处理机,2004,25(3):26-28.

中国水运（下半月）

2008年第8期

浏览历史

内容加载中请稍等...

蚁群算法与遗传算法结合使用方法论被引量：4

同被引文献33

引证文献4

二级引证文献12

相关作者

相关机构

相关主题

浏览历史

蚁群算法与遗传算法结合使用方法论 被引量：4

同被引文献33

引证文献4

二级引证文献12

相关作者

相关机构

相关主题

浏览历史

蚁群算法与遗传算法结合使用方法论被引量：4