首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   188篇
  国内免费   11篇
  完全免费   113篇
  自动化技术   312篇
  2019年   1篇
  2017年   5篇
  2016年   4篇
  2015年   6篇
  2014年   15篇
  2013年   17篇
  2012年   40篇
  2011年   34篇
  2010年   44篇
  2009年   43篇
  2008年   38篇
  2007年   32篇
  2006年   13篇
  2005年   7篇
  2004年   7篇
  2003年   2篇
  2002年   1篇
  2001年   3篇
排序方式: 共有312条查询结果,搜索用时 31 毫秒
1.
蚁群算法理论及应用研究的进展   总被引:76,自引:3,他引:73  
段海滨  王道波  朱家强  黄向华 《控制与决策》2004,19(12):1321-1326,1340
蚁群算法是优化领域中新出现的一种仿生进化算法.该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性;但搜索时间长、易限入局部最优解是其突出的缺点.针对蚁群算法,首先介绍其基本原理;然后讨论了近年来对蚁群算法的若干改进以及在许多新领域中的发展应用;最后评述了蚁群算法未来的研究方向和主要研究内容.  相似文献
2.
自适应调整信息素的蚁群算法   总被引:69,自引:2,他引:67  
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法.基于群体的协作与学 习,该算法已经成功地解决诸如TSP问题等多种组合优化问题.本文提出了一种基于自适应 调整信息素的改进蚁群算法.该算法根据人工蚂蚁所获得解的情况,动态地调整路径上的信 息素,从而使得算法跳离局部最优解.通过仿真实验获得的结果表明,该算法对于蚁群算法 具有较好的改进效果.  相似文献
3.
基于变异和动态信息素更新的蚁群优化算法   总被引:63,自引:0,他引:63       下载免费PDF全文
朱庆保  杨志军 《软件学报》2004,15(2):185-192
尽管蚁群优化算法在优化计算中已得到了很多应用,但在进行大规模优化时,其收敛时间过长仍是应用该算法的一个瓶颈.为此,提出了一种高速收敛算法.该算法采用一种新颖的动态信息素更新策略,以保证在每次搜索中,每只蚂蚁都对搜索做出贡献;同时,还采取了一种独特的变异策略,以对每次搜索的结果进行优化.计算机实验结果表明,该算法与最新的改进蚁群优化算法相比,其收敛速度提高了数十倍乃至数百倍以上.  相似文献
4.
遗传算法与蚂蚁算法动态融合的软硬件划分   总被引:36,自引:1,他引:35       下载免费PDF全文
面向嵌入式系统和SoC(system-on-a-chip)软硬件双路划分问题,提出遗传算法与蚂蚁算法动态融合的软硬件划分算法.基本思想是:(1)利用遗传算法群体性、全局、随机、快速搜索的优势生成初始划分解,将其转化为蚂蚁算法所需的初始信息素分布,然后利用蚂蚁算法正反馈、高效6收敛的优势求取最优划分解;(2)在遗传算法运行过程中动态确定遗传算法与蚂蚁算法的最佳融合时机,避免由于遗传算法过早或过晚结束而影响划分算法的整体性能.该算法既发挥了遗传算法与蚂蚁算法在寻优搜索中各自的优势,又克服了遗传算法在搜索到一定阶段时最优解搜索效率低以及蚂蚁算法初始信息素匮乏的不足,并且在算法中提出了遗传算法与蚂蚁算法动态融合的衔接策略.实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且划分问题规模越大,优势越明显.  相似文献
5.
一种快速全局优化的改进蚁群算法及仿真   总被引:29,自引:0,他引:29  
在介绍基本蚁群算法原理的基础上,对其作了许多改进以提高其全局优化寻优速度,并给出了详尽的新算法编程仿真实现步骤,最后将未改进的基本蚁群算法与本文改进后的蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验.仿真研究表明,改进后的算法具有优良的全局优化性能,效果令人满意.􀁱  相似文献
6.
蚁群优化算法的研究现状及研究展望   总被引:17,自引:0,他引:17  
张航  罗熊 《信息与控制》2004,33(3):318-324
本文首先简要地介绍蚁群优化算法的来源、对应的生物原理和算法实现的框架.然后详细地讨论了算法的研究现状以及在各种优化问题中的应用情况,同时也指出了蚁群优化算法在当前应用中的一些不足.针对这些不足提出了解决方法,描述了几种蚁群优化算法的修正策略.最后对蚁群优化算法下一步的研究方向进行了展望.  相似文献
7.
改进型蚁群算法求解单任务Agent联盟   总被引:17,自引:1,他引:16  
联盟是多Agent之间一种重要的合作方法,如何生成面向某个任务的最优联盟是一个复杂的组合优化问题.首次引入蚁群算法来解决这一问题,在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的Agent组成联盟,充分实现了熟人机制;创新地引入“第2种信息素”对蚁群算法进行改进,不再易于陷入局部极小.对比实验结果表明,本算法在解的性能和收敛速度上均优于相关算法.  相似文献
8.
基于自适应路径选择和信息素更新的蚁群算法   总被引:14,自引:3,他引:11  
针对蚁群算法加速收敛和早熟、停滞现象的矛盾,提出了一种基于自适应路径选择和信息素更新的蚁群算法,以求在加速收敛和防止早熟、停滞现象之间取得很好的平衡。该算法根据优化过程中解的分布状况,自适应地调整路径选择策略和信息量更新策略。基于旅行商问题的实验验证了算法比一般蚁群算法具有更好的全局搜索能力、收敛速度和解的多样性。  相似文献
9.
蚁群算法及其实现方法研究   总被引:12,自引:0,他引:12  
胡娟  王常青  韩伟  全智 《计算机仿真》2004,21(7):110-114
蚁群算法是一种相对较新的启发式方法,通过模拟蚂蚁的觅食行为解决问题,是目前昆虫算法中较成功的例子.蚁群算法的本质是一种并行的、自组织的算法,它可应用于更好地组织大数目实体的相互作用过程,如货郎担问题、车辆绕径问题、排程问题等。该文简述了蚁群算法的起源和发展,总结了蚁群算法的特点和不足及针对这些不足提出的各种改进方法,并介绍了和蚁群算法相关的几种具体应用。最后,文章探讨了蚁群算法研究中仍存在的问题和以后的发展方向。  相似文献
10.
自适应蚁群算法在序列比对中的应用   总被引:11,自引:2,他引:9  
梁栋  霍红卫 《计算机仿真》2005,22(1):100-102,106
序列比对是生物信息学的重要研究工具。蚁群算法是一种新型的模拟进化算法,并被成功地应用于旅行商问题(TSP)等组合优化问题中。该文将蚁群算法应用于序列比对,并提出基于自适应调整信息素的改进算法。仿真结果表明这种新的比对算法是有效的,而它的改进算法的效果更为理想。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号