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   350篇
  国内免费   17篇
  完全免费   103篇
  自动化技术   470篇
  2019年   2篇
  2018年   1篇
  2017年   10篇
  2016年   9篇
  2015年   9篇
  2014年   5篇
  2013年   16篇
  2012年   38篇
  2011年   32篇
  2010年   28篇
  2009年   46篇
  2008年   49篇
  2007年   36篇
  2006年   25篇
  2005年   20篇
  2004年   29篇
  2003年   18篇
  2002年   17篇
  2001年   19篇
  2000年   11篇
  1999年   8篇
  1998年   7篇
  1997年   6篇
  1996年   5篇
  1995年   5篇
  1994年   3篇
  1993年   2篇
  1992年   3篇
  1991年   5篇
  1990年   3篇
  1989年   1篇
  1988年   1篇
  1978年   1篇
排序方式: 共有470条查询结果,搜索用时 31 毫秒
1.
单亲遗传算法及其全局收敛性分析   总被引:75,自引:0,他引:75       下载免费PDF全文
序号编码的遗传算法(GA)不能在两条染色体的任意位置进行交叉,必须使用 PMX,CX和OX等特殊的交叉算子,而这些交叉算子实施起来都很麻烦.针对序号编码GA 的上述不足,提出一种单亲遗传算法(PGA).PGA采用序号编码,不使用交叉算子,而代之以 隐含序号编码GA交叉算子功能的基因换位等遗传算子,简化了遗传操作,并且不要求初始 群体具有多样性,也不存在"早熟收敛"问题.仿真结果验证了这种算法的有效性.  相似文献
2.
求解TSP的量子遗传算法   总被引:27,自引:1,他引:26  
量子遗传算法(QGA)在求解数值和组合优化问题时效率明显优于传统进化算法,但目前较多被用于求解组合优化的背包问题,为了充分发挥QGA的优点,文中用其求解TSP这一经典的NP难问题.首先,文中设计了一种利用几率幅值编码的新的编码方式,即利用几率幅值编码的量子个体与一组向量对应,而此向量又与一条可行路径一一对应.这样的编码方式不仅缩小了种群规模,占用较少内存,所得的解均可行,而且有效地增强了种群的多样性;其次,在量子个体上实施量子杂交,这一操作有利于保留相对较好的基因段;最后,为了加快算法的收敛速度,引入两阶段局部搜索,第一阶段主要针对实例中排列稀疏处的城市进行优化,第二阶段在第一阶段的基础上着重对排列密集处的城市优化.据此,设计了解TSP的一个新的高效的QGA,并证明了其以概率1收敛到全局最优解;测定算法性能的数值实验数据表明,该算法在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.  相似文献
3.
集装箱装载的一种启发式算法   总被引:25,自引:2,他引:23  
多约束条件下的三维装箱问题是一个复杂的组合优化问题,属于NP-HARD问题,其求解是很 困难的.所以在实际应用中,往往采用一些启发式算法来求解.本文在考虑一些实际应用中 的约束条件下,提出了一种三维集装箱装载的启发式算法.此算法采用了三空间分割、平均 高度装载、货物合并、空间合并等策略,考虑了方向、重量、优先顺序、货物的配置位置等 约束条件.通过逐步淘汰差的装载方案,最后达到满意的装载.实例仿真说明了该算法的有 效性和实用性,能够直接用于实际应用中.  相似文献
4.
A Survey of Automated Timetabling   总被引:23,自引:0,他引:23  
The timetabling problem consists in scheduling a sequence of lectures between teachers and students in a prefixed period of time (typically a week), satisfying a set of constraints of various types. A large number of variants of the timetabling problem have been proposed in the literature, which differ from each other based on the type of institution involved (university or school) and the type of constraints. This problem, that has been traditionally considered in the operational research field, has recently been tackled with techniques belonging also to Artificial Intelligence (e.g., genetic algorithms, tabu search, and constraint satisfaction). In this paper, we survey the various formulations of the problem, and the techniques and algorithms used for its solution.  相似文献
5.
改进微粒群优化算法求解旅行商问题   总被引:23,自引:2,他引:21  
对微粒群优化算法的速度位置算式进行了改进,提出一种改进的微粒群优化算法。该算法符合组合优化问题的特点,在求解旅行商问题上有较高的搜索效率。将改进的PSO算法分别应用于14点的TSP问题以及中国旅行商问题中,该算法在较短时间内获得了目前已知的最好解。  相似文献
6.
基于Hopfield神经网络的作业车间生产调度方法   总被引:22,自引:2,他引:20       下载免费PDF全文
该文提出了基于Hopfield神经网络的作业车间生产调度的新方法.文中给出了作业车 间生产调度问题(JSP)的约束条件及其换位矩阵表示,提出了新的包括所有约束条件的计算能 量函数表达式,得到相应的作业车间调度问题的Hopfield神经网络结构与权值解析表达式,并 提出相应的Hopfield神经网络作业车间调度方法.为了避免Hopfield神经网络容易收敛到局部 极小,从而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield 神经网络收敛到计算能量函数的最小值0,从而保证神经网络输出是一个可行调度方案.该文 改进了已有文献中提出的作业调度问题的Hopfield神经网络方法,与已有算法相比,能够保证 神经网络稳态输出为可行的作业车间调度方案.  相似文献
7.
网络最大流问题研究进展   总被引:22,自引:1,他引:21  
网络最大流问题和它的对偶问题——最小截问题,是一对经典组合优化问题,它们在许多工程领域和科学领域有重要的应用,是计算机科学和运筹学重要的内容,最大流问题已经有40多年的研究历史,近年来,随着各种网络的飞速发展,最大流问题的研究也取得了很大的进展,对最大流问题研究做了详细的总结,并对下一步研究趋势进行了预测。  相似文献
8.
一种基于构建基因库求解TSP问题的遗传算法   总被引:21,自引:1,他引:20  
杨辉  康立山  陈毓屏 《计算机学报》2003,26(12):1753-1758
传统的遗传算法通常被认为是自适应的随机搜索算法.该文在分析其特点后针对TSP问题提出了一种将建立基因库(Ge)与遗传算法结合起来的新算法(Ge-GA).该算法利用基因库指导种群的进化方向,并在此基础上使用全局搜索算子和局部搜索算子增强遗传算法的“探测”和“开发”能力.Ge-GA算法大大加快了遗传算法的收敛速度和寻优能力.作者测试了TSPLIB中的多个实例(城市数目从70~1577),试验结果与最优解的误差都不超过0.001%.特别是对于难求解的TSP问题,如att532和fl1577,都能够在理想的时间内找到最优解.  相似文献
9.
蚁群优化算法及其应用研究进展   总被引:19,自引:5,他引:14  
李士勇 《计算机测量与控制》2003,11(12):911-913,917
综述了近年来蚁群算法及其在组合优化中的应用研究成果。首先简述了蚁群的觅食行为及蚂蚁的信息系统,其次介绍了人工蚁群算法的基本原理及其主要特点。然后概述了这种算法在组合优化问题中的多种应用,诸如旅行商问题(TSP)、二次分配问题(QAP)、任务调度问题(JSP)、车辆路线问题(VRP)、图着色问题(GCP)、有序排列问题(SOP)及网络由问题等。最后对蚁群算法仍需要解决的问题和未来的发展方向进行了探讨。  相似文献
10.
蚁群优化算法及其应用   总被引:17,自引:2,他引:15  
蚂蚁算法是由意大利学者M.Dorigo等人提出的一种新型的模拟进化算法。该算法首先应用于旅行商问题并获得了极大的成功,其后,又被用于求解指派问题、Job—shop调度问题、图着色问题和网络路由问题等。实践证明,蚂蚁算法是一种鲁棒性强、收敛性好、实用性广的优化算法,但同时也存在一些不足,如收敛速度慢和容易出现停滞现象等。  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