-
题名动态蚁群算法用于洪灾搜救问题
- 1
-
-
作者
张聪
曲卫平
-
机构
安徽理工大学计算机科学与工程学院
-
出处
《现代电子技术》
2013年第23期113-114,117,共3页
-
文摘
蚁群算法是一种求解最优路径的常用算法,其利用自然界中蚁群的活动规律和正反馈原理。动态的蚁群算法针对基本蚁群算法存在的问题和缺点进行改进,采用动态参数因子,可以有效避免搜索的局部最优和进化停滞现象,并且能够提高搜索效率。通过实验结果对比,该算法在求解最短路径方面具有更高的精确度,为今后的搜救问题提供了一种高效实用的参考方法。
-
关键词
洪灾搜救
蚁群算法
动态参数因子
信息素
-
Keywords
flood rescue
ant colony algorithm
dynamic parameter factors
sociohormone
-
分类号
TN911.34
[电子电信—通信与信息系统]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进遗传-狼群对节点序寻优的贝叶斯网络结构算法
被引量：4
- 2
-
-
作者
刘浩然
苏昭玉
张力悦
王念太
范瑞星
-
机构
燕山大学信息科学与工程学院
河北省特种光纤与光纤传感重点实验室
-
出处
《计量学报》
CSCD
北大核心
2023年第1期120-126,共7页
-
基金
国家重点研发计划专项(2019YFB1707301)
河北省人才工程培养资助项目(A201903005)。
-
文摘
贝叶斯网络是数据挖掘领域的一种重要方法。针对贝叶斯网络结构学习算法寻优效率低和易陷入局部最优的问题,提出一种基于改进的混合遗传-狼群对节点序寻优的贝叶斯网络结构学习算法。该算法首先利用深度优先搜索对最大支撑树的节点进行拓扑排序;然后利用动态变异及最优交叉算子构建适用于节点序寻优的改进捕食行为,引入动态参数因子来增强算法局部寻优能力;最后与K2算法结合得到最优的贝叶斯网络结构。用3种不同大小的标准网络数据集中进行实验,结果表明,该算法收敛到较优值,寻优效率高于其它同类优化算法。
-
关键词
计量学
贝叶斯网络结构学习
深度优先搜索
节点序寻优
动态参数因子
K2算法
-
Keywords
metrology
Bayesian network structure learning
depth first search
node order optimization
dynamic parameter factor
K2 algorithm
-
分类号
TB973
[机械工程—测试计量技术及仪器]
-
