摘要
自1992年Marco Dorigo提出蚁群算法以来,蚁群算法得到了快速发展,并广泛应用于车辆调度问题、车辆路径问题、分配问题、子集问题、网络路由问题蛋白质折叠问题、数据挖掘、图像识别、系统辨识等。
出处
《电脑知识与技术》
2014年第4期2353-2355,共3页
Computer Knowledge and Technology
参考文献6
-
1杜利峰,牛永洁.蚁群算法在MATLAB中的实现[J].信息技术,2011,35(6):115-118. 被引量:8
-
2张丽,刘希玉,李章泉.基于蚁群算法的聚类优化[J].计算机工程,2010,36(9):190-191. 被引量:10
-
3朱峰,陈莉.一种改进的蚁群聚类算法[J].计算机工程与应用,2010,46(6):133-135. 被引量:16
-
4改进蚁群算法在乳品企业原奶车辆运输路径中的应用研究[D].东北农业大学,2006.
-
5Dorigo M,Maniezzo V,Colomi A.Ant system: optimization by a col-- ony of cooperating agents[J].IEEE Transactions on SMC,1996,26 (1):12-41.
-
6Dofigo M,Gambardella L M.Ant colony system: a cooperative learning approach to the traveling salesman problem[J].IEEE Transac- tions on Evolutionary Computing,1997(1) : 53-66.
二级参考文献24
-
1蔡光跃,董恩清.遗传算法和蚁群算法在求解TSP问题上的对比分析[J].计算机工程与应用,2007,43(10):96-98. 被引量:29
-
2Han Jia-wei,Kamber M.Data mining concepts and techniques[M]. 2nd ed.San Francisco,USA:Morgan Kaufmann Publisher,2000: 389-400.
-
3Dorigo M.Optimization learning and natural algorithm[D].Milano, Italy:Politecnico di Milano, 1992.
-
4Dorigo M,Bonabeau E,Theraulaz G.Ant algorithms and stigmergy[J]. Future Generation Computer Systems, 2000,16( 8 ) : 851-871.
-
5Lumer E,Faieta B.Diversity and adaptation in populations of clustering ants[C]//Cliff D,Husbands P,Meyer J,et al.From Animals to Animates 3.Proc of Third International Conference on Simulation of Adaptive Behavior.Cambridge,MA:MIT Press,1994:501-508.
-
6Vitorino R,Juan J M.Self-organized stigmergic document maps:Environment as a mechanism for context learning[C]//Alba E,Herrera F,Merelo J J.Proc of the 1st Spanish Conference on Evolutionary and Bio-Inspired Algorithms, Merida, 2002 : 284-293.
-
7Handl J,Meyer B.Improved ant-based clustering and sorting in a document retrieval interface[C]//LNCS 2439:Proceedings of the Seventh International Conference on Parallel Problem Solving from Nature.Berlin, Germany: Springer-Verlag, 2002: 913-923.
-
8Wu B,Zheng Y,Liu S H,et al.CSIM:A document clustering algorithm based on swarm intelligence[C]//Proc of the 2002 Congress on Evolutionary Computation.Oakland:IEEE Press,2002,1(12/17): 477-482.
-
9Handl J, Knowles J,Dorigo M.Ant-based clustering and topographic mapping[J].Artificial Life, 2006,12( 1 ) : 35-61.
-
10Asuncion A,Newman D J.UCI machine learning repository[D/OL]. Irvine, CA : University of California, 2007.http ://www.ics.uci.edu/- mlearn/MLSummary.html.
共引文献29
-
1于妍.一种与k-prototypes混合的蚁群聚类算法的浅探[J].数字技术与应用,2010,28(11):77-77.
-
2金珠,马小平.基于蚁群聚类算法的SVM半监督式训练方法[J].西华大学学报(自然科学版),2011,30(1):56-60. 被引量:3
-
3刘雷,王洪国,邵增珍,尹会娟.一种基于蜂群原理的划分聚类算法[J].计算机应用研究,2011,28(5):1699-1702. 被引量:6
-
4杜利峰,牛永洁.蚁群算法在MATLAB中的实现[J].信息技术,2011,35(6):115-118. 被引量:8
-
5牛永洁,张成.基于改进蚁群算法的服务组合研究[J].计算技术与自动化,2011,30(2):96-99. 被引量:1
-
6牛永洁,张成.蚁群聚类在试卷分析中的应用研究[J].计算机与数字工程,2012,40(4):12-14. 被引量:7
-
7王正成,黄洋.面向服务链构建的云制造资源集成共享技术研究[J].中国机械工程,2012,23(11):1324-1331. 被引量:25
-
8莫赞,罗世雄,杨清平,吴静.基于K-means算法的改进蚁群聚类算法及其应用[J].系统科学学报,2012,20(3):91-95. 被引量:3
-
9牛永洁,薛苏琴.蚁群聚类算法中邻域变化规律的研究[J].计算机与数字工程,2013,41(4):516-517. 被引量:1
-
10赵志洲.基于灰色模型的评价模型构建——以2014年夏季青奥会为例[J].硅谷,2013,6(14):32-33.
同被引文献15
-
1景兴建,王越超,谈大龙.基于人工协调场的多移动机器人实时协调避碰规划[J].控制理论与应用,2004,21(5):757-764. 被引量:12
-
2刘小梅,张君静.蚁群优化算法基本原理及其应用[J].西部探矿工程,2008,20(10):240-243. 被引量:3
-
3李瑞,韩永祥.改进蚁群算法在配货发送方面的研究[J].电脑知识与技术,2009,5(8):6290-6291. 被引量:2
-
4邵杰,杨静宇,杜丽娟.基于改进学习分类器的多机器人混合分层体系结构[J].南阳理工学院学报,2009,1(3):21-24. 被引量:2
-
5赵师,孙文纪,刘洪坤.基于蚁群算法的火力分配寻优方法研究[J].指挥控制与仿真,2010,32(2):66-68. 被引量:6
-
6王越超,李毅.基于蚁群算法的产品销售渠道优选策略[J].武汉理工大学学报(信息与管理工程版),2011,33(6):1011-1014. 被引量:3
-
7武从猛,王公宝.遗传-蚁群算法在目标分配问题中的应用研究[J].兵工自动化,2014,33(4):8-11. 被引量:13
-
8韩志仁,郭文杰,陈雪梅,刘顺涛.基于MBD飞机装配自动制孔路径规划研究[J].机械设计与制造,2015(10):201-203. 被引量:7
-
9高伟,曹昕燕,张万里,吉淑娇.基于OFDM-MIMO移动通信模型的采摘机器人设计[J].农机化研究,2017,39(4):129-133. 被引量:9
-
10曹桂文,张英.基于蚁群算法的TSP问题求解[J].改革与开放,2010(8X):110-111. 被引量:1
二级引证文献11
-
1刘俊星.基于蚁群算法变电站带电高压开关合闸路径最优的双体机器人轨迹规划[J].现代制造技术与装备,2019,55(8):45-47.
-
2张强,陈兵奎,刘小雍,张南庆,刘晓宇,胡雄.基于空间映射的山地移动机器人环境建模方法[J].西南大学学报(自然科学版),2020,42(2):109-117. 被引量:2
-
3杨红果,谷利芬.基于混合粒子群算法的农业机器人全局路径规划研究[J].农机化研究,2021,43(10):33-36. 被引量:10
-
4江玉珍,陈杰志.基于DSP和图像处理的农业机器人视觉导航研究[J].农机化研究,2022,44(3):176-180. 被引量:6
-
5冯江华,李兰兰.计算机融合算法下的采摘机器人结构设计[J].农机化研究,2022,44(9):138-142. 被引量:2
-
6王素芳,王小伟.基于ZigBee通信网络的农机调度系统设计[J].农机化研究,2022,44(11):206-210. 被引量:2
-
7吴妮妮.智能采摘机器人路径规划的设计与研究[J].农机化研究,2024,46(2):65-69.
-
8刘超敏.基于机器学习的采摘机器人控制系统研究[J].农机化研究,2024,46(9):253-256.
-
9陈明霞,张寒,王晓文,李徐勇.基于迭代学习PID算法的苹果采摘机器人设计[J].农机化研究,2020,0(6):83-86. 被引量:15
-
10刘泉生,陆珊,卢志翔.割草机器人的导航系统控制仿真研究[J].农机化研究,2020,42(7):125-130. 被引量:4
-
1胡小兵,黄席樾.蚁群优化算法及其应用[J].计算机仿真,2004,21(5):81-85. 被引量:31
-
2王冰,赵书宜,张丹.基于Qos的SDN数据中心网络控制架构的研究和分析[J].信息通信,2016,29(2):32-33. 被引量:1
-
3王灵霞.一种求解简单网络路由问题的混合蚁群算法[J].考试周刊,2010(45):135-136.
-
4毋国庆,刘良观,徐煜.基于M_(AS)的形式化数据流图的方法[J].武汉大学学报(自然科学版),1997,43(1):44-50.
-
5陈学霞.炫酷3D打印[J].缤纷,2015,0(3):11-11.
-
6张元良,杨巍巍,刘青,程鹏.蚁群算法在路径规划中的应用[J].数字技术与应用,2013,31(5):159-160. 被引量:2
-
7王肖林.浅谈蚁群算法在蛋白质折叠问题上的应用[J].天津职业院校联合学报,2013,15(11):97-99.
-
8宋洁,刘华,谭庆,顾军华.蚁群算法在最大频繁项集挖掘问题中的应用[J].计算机工程与设计,2008,29(20):5290-5292. 被引量:9
-
9王鹏,王珍伟.群智能在计算机网络路由中的应用[J].中国新通信,2015,17(9):88-88.
-
10黄绍龙.蚁群算法在无线传感器网络路由中的应用研究[J].科技创新导报,2010,7(21):36-37.