期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到81篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合Q-learning的A^(*)预引导蚁群路径规划算法
1
作者 殷笑天 杨丽英 +1 位作者 刘干 何玉庆 《传感器与微系统》 北大核心 2025年第8期143-147,153,共6页
针对传统蚁群优化(ACO)算法在复杂环境路径规划中存在易陷入局部最优、收敛速度慢及避障能力不足的问题,提出了一种融合Q-learning基于分层信息素机制的A^(*)算法预引导蚁群路径规划算法-QHACO算法。首先,通过A^(*)算法预分配全局信息素... 针对传统蚁群优化(ACO)算法在复杂环境路径规划中存在易陷入局部最优、收敛速度慢及避障能力不足的问题,提出了一种融合Q-learning基于分层信息素机制的A^(*)算法预引导蚁群路径规划算法-QHACO算法。首先,通过A^(*)算法预分配全局信息素,引导初始路径快速逼近最优解;其次,构建全局-局部双层信息素协同模型,利用全局层保留历史精英路径经验、局部层实时响应环境变化;最后,引入Q-learning方向性奖励函数优化决策过程,在路径拐点与障碍边缘施加强化引导信号。实验表明:在25×24中等复杂度地图中,QHACO算法较传统ACO算法最优路径缩短22.7%,收敛速度提升98.7%;在50×50高密度障碍环境中,最优路径长度优化16.9%,迭代次数减少95.1%。相比传统ACO算法,QHACO算法在最优性、收敛速度与避障能力上均有显著提升,展现出较强环境适应性。 展开更多
关键词 蚁群优化算法 路径规划 局部最优 收敛速度 Q-LEARNING 分层信息素 A^(*)算法
在线阅读 下载PDF
基于改进融合蚁群A^(*)算法的路径规划方法 被引量：1
2
作者 张代雨 杨超翔 +2 位作者 鲍超明 鲁昂奇 曾大兴 《舰船科学技术》 北大核心 2025年第9期96-101,共6页
针对水下机器人在运用于蚁群计算求解路线规划问题时的收束速度过慢,较易进入局部最优求解,以及搜索速度的低下等现象,提出一种可以应用于水下机器人中的混合蚁群计算方法。首先,使用栅格法构建问题中的环境模式,并在此基础上采用A^(*)... 针对水下机器人在运用于蚁群计算求解路线规划问题时的收束速度过慢,较易进入局部最优求解,以及搜索速度的低下等现象,提出一种可以应用于水下机器人中的混合蚁群计算方法。首先,使用栅格法构建问题中的环境模式,并在此基础上采用A^(*)算法更新初始信息素浓度,在信息素初期,也可以起到指导作用;其次,通过对蚁群计算的像素更新方法和节点转移概率方法中的启发方法加以改进,来提高算法的精确程度;最后,通过对PYTHON仿真试验证明,该方法的收敛速度和目标搜索寻优时间都得以提高。 展开更多
关键词 水下机器人 蚁群算法 路径规划 融合算法 参数优化
在线阅读 下载PDF
基于改进A^(*)蚁群融合算法的路径规划研究 被引量：4
3
作者 王锋 李凯璇 +2 位作者 朱子文 朱磊 王海迪 《火力与指挥控制》 CSCD 北大核心 2024年第1期111-117,123,共8页
随着智能化技术的发展,无人车路径规划技术在未来无人战场上将发挥重要的作用。针对A^(*)算法易发生碰撞障碍物的问题,提出通过改进转弯机制进行避碰。针对路径较长和不够平滑的问题,提出一种改进A^(*)蚁群融合算法。仿真结果表明,使用... 随着智能化技术的发展,无人车路径规划技术在未来无人战场上将发挥重要的作用。针对A^(*)算法易发生碰撞障碍物的问题,提出通过改进转弯机制进行避碰。针对路径较长和不够平滑的问题,提出一种改进A^(*)蚁群融合算法。仿真结果表明,使用改进A^(*)蚁群融合算法得到的路径长度和平滑度更优,简单地图中路径长度减少2.34%,总转弯角度减小5.62%;复杂地图中路径长度减少2.62%,总转弯角度减小26.3%。因此,该算法在保证无人车避障的基础上,有利于其快速完成相应任务。 展开更多
关键词 无人车 路径规划 A^(*)蚁群融合算法 转弯机制
在线阅读 下载PDF
基于蚁群算法与人工势场法融合的移动机器人路径规划 被引量：6
4
作者 邓冬冬 许建民 +1 位作者 孟寒 杨炜 《仪器仪表学报》 北大核心 2025年第2期1-16,共16页
为解决移动机器人在复杂环境和动态障碍物条件下规划出的全局路径质量差以及局部路径易于陷入局部最优等问题,提出一种基于蚁群算法与人工势场法的融合算法。首先,针对传统蚁群算法全局搜索能力差,收敛速度慢等问题,优化了其搜索方式,... 为解决移动机器人在复杂环境和动态障碍物条件下规划出的全局路径质量差以及局部路径易于陷入局部最优等问题,提出一种基于蚁群算法与人工势场法的融合算法。首先,针对传统蚁群算法全局搜索能力差,收敛速度慢等问题,优化了其搜索方式,构建了新的信息素更新规则,引入了修正后的启发式信息,设计了路径节点优化策略以提高其路径质量和搜索效率;其次,通过将移动机器人到目标点的相对距离加入到斥力势场函数中以及设置子目标点来解决传统人工势场法存在目标不可达和局部极小值的问题;最后,融合改进后的蚁群算法和改进后的人工势场法来提高融合算法在复杂动态和静态环境下的路径规划性能。通过仿真分析选取改进人工势场法的参数组合。仿真结果表明:改进蚁群算法较传统蚁群算法最优路径缩短26.23%,路径转折点减少60.00%,搜索效率提升73.75%;改进人工势场法有效地解决了传统人工势场法的局限性同时提高了其局部避障能力;融合算法在保持贴合全局最优路径的前提下能够规划出无碰撞平滑路径。实验结果表明:在实际场景中,与现有传统算法相比,改进蚁群算法规划出的路径更短;在Gazebo物理仿真平台中,融合算法能够对静态障碍物进行有效避障,验证了其理论可行性。 展开更多
关键词 移动机器人 路径规划 蚁群算法 人工势场法 融合算法
在线阅读 下载PDF
基于融合A^(*)-蚁群优化算法的移动机器人全局优化 被引量：3
5
作者 方文凯 廖志高 《现代制造工程》 CSCD 北大核心 2024年第7期77-84,共8页
针对传统蚁群算法在室内移动机器人全局路径规划中,存在的搜索效率低下、路径不够平滑、易陷入局部最优及死锁状况等问题,设计出一种融合改进A^(*)算法的双向搜索蚁群优化算法。首先利用改进A^(*)算法在栅格环境中快速收敛得到初始路径... 针对传统蚁群算法在室内移动机器人全局路径规划中,存在的搜索效率低下、路径不够平滑、易陷入局部最优及死锁状况等问题,设计出一种融合改进A^(*)算法的双向搜索蚁群优化算法。首先利用改进A^(*)算法在栅格环境中快速收敛得到初始路径,构建初始信息素矩阵,并引入障碍物因子来减少蚂蚁死锁状况的发生;其次设定双向搜索蚁群优化算法规则,并改进双向搜索中的启发函数模型,引入精英蚂蚁搜索策略和自适应信息素挥发因子策略;最后利用三阶贝塞尔曲线对路径进行平滑处理。通过Pycharm平台仿真结果表明,该算法融合了A^(*)算法全局搜索能力强及蚁群算法正反馈的特性,使得融合改进后算法比传统蚁群算法和麻雀算法在路径长度上优化12.85%和7.76%,搜索时间上优化38.17%和23.46%,迭代次数上优化67.71%和54.41%,全局路径优化效果较明显。 展开更多
关键词 移动机器人 A^(*)算法 蚁群算法 双向搜索路径 贝塞尔曲线
在线阅读 下载PDF
A^(*)蚁群融合的复合启发式路径规划算法 被引量：4
6
作者 陈焱 陆杰 李大鹏 《无线电通信技术》 北大核心 2024年第3期579-586,共8页
为提高无人机执行巡飞探查任务的效率,规划出一条最优的飞行路径,针对传统蚁群算法应用于路径规划时存在搜索效率低、迭代次数多、路径拐点多的问题,提出一种A^(*)蚁群融合的复合启发式路径规划算法。利用A^(*)算法预搜索差异化初始信息... 为提高无人机执行巡飞探查任务的效率,规划出一条最优的飞行路径,针对传统蚁群算法应用于路径规划时存在搜索效率低、迭代次数多、路径拐点多的问题,提出一种A^(*)蚁群融合的复合启发式路径规划算法。利用A^(*)算法预搜索差异化初始信息素,减少蚁群算法前期搜索盲目性,提高搜索效率。构造一种复合启发函数,引入A^(*)算法启发思想改进蚁群原本的启发式信息,设计路径平滑启发函数减少路径拐点。改进信息素更新规则,引入路径综合评分指标,使得每次迭代保留综合性能评分最优的路径。仿真实验表明,改进算法提高了搜索效率,一定程度上解决了拐点过多的问题,综合性能指标优于基本算法与对比文献算法,具有一定工程实践与理论研究意义。 展开更多
关键词 A^(*)算法 蚁群算法 路径规划 启发式
在线阅读 下载PDF
基于融合改进A^(*)和ACO算法的农用无人车多目标路径规划
7
作者 唐国伟 张小栋 +1 位作者 侯鹏飞 王超 《中国农机化学报》 北大核心 2025年第12期255-260,共6页
为使农用无人车避开障碍物快速遍历农作物多目标点病害完成喷药作业,结合巡检无人机获取全局地物信息和病害位置信息的优势,提出一种基于融合改进A^(*)和ACO算法的农用无人车多目标路径规划方法。首先,针对传统A^(*)算法规划路径拐点多... 为使农用无人车避开障碍物快速遍历农作物多目标点病害完成喷药作业,结合巡检无人机获取全局地物信息和病害位置信息的优势,提出一种基于融合改进A^(*)和ACO算法的农用无人车多目标路径规划方法。首先,针对传统A^(*)算法规划路径拐点多的问题,提出一种改进A^(*)(IA^(*))算法,用于求解两两目标点之间的最短避障距离和拐点较少的最优路径;其次,为提升蚁群优化(ACO)算法的收敛精度,提出一种改进蚁群优化(IACO)算法,用于求解出一条收敛精度较高且遍历多目标点的最短路线;最后,通过融合IA^(*)算法和IACO算法,用于规划在避障环境下遍历多目标点的最优路径。仿真结果表明,IA^(*)算法在复杂环境模型验证中,拐点数平均减少40%;IACO算法规划路线长度的平均值、标准差和极差均优于ACO算法,在取10个目标点时,IACO算法标准差为0,算法收敛精度更高,鲁棒性更好;在两种辣椒地环境模型中,通过融合路径规划算法能够规划出拐点少且遍历所有目标点的最优路径。 展开更多
关键词 农用无人车 多目标 全局路径规划 改进A^(*)算法 改进蚁群优化算法 融合路径规划算法
在线阅读 下载PDF
基于蚁群-动态窗口法的无人驾驶汽车动态路径规划
8
作者 郑琰 席宽 +2 位作者 巴文婷 肖玉杰 余伟 《南京信息工程大学学报》 北大核心 2025年第2期256-264,共9页
针对传统路径规划算法在无人驾驶汽车应用中搜索效率低、距离较长和路径不平滑的问题进行改进,使用改进蚁群算法最优路径的关键节点替代动态窗口法的局部目标点,并在动态窗口法评价函数中加入目标距离评价子函数,提高路径规划的效率和... 针对传统路径规划算法在无人驾驶汽车应用中搜索效率低、距离较长和路径不平滑的问题进行改进,使用改进蚁群算法最优路径的关键节点替代动态窗口法的局部目标点,并在动态窗口法评价函数中加入目标距离评价子函数,提高路径规划的效率和平滑性,同时采用路径决策方法解决全局路径失效问题,使车辆摆脱障碍困境,满足路径规划安全性的要求.改进后的蚁群算法利用起止点的位置信息使初始信息素分布不均匀,减少搜索初期阶段的时间消耗;通过维护全局最优路径和强化优秀局部路径的信息素浓度,优化信息素更新机制,提高路径探索效率;对规划路径进行二次优化,优化节点和冗余转折点,减少路径长度.仿真结果表明,相比传统路径规划算法,利用本文提出的融合算法所得到的路径在距离、平滑度和收敛性方面都具有更好的表现,且符合无人驾驶汽车安全行驶的要求. 展开更多
关键词 路径规划 蚁群算法 动态窗口法 动态避障 融合算法
在线阅读 下载PDF
基于DHPA^(*)-DSACO算法的AGV路径规划研究
9
作者 王俊岭 刘佳年 +1 位作者 边俊君 王振东 《机床与液压》 北大核心 2025年第5期15-23,共9页
自主引导车(AGV)的路径规划算法是确保其正常运行的关键部分。针对A^(*)算法在路径规划过程中存在的搜索效率低、路径曲率大的问题,以及蚁群ACO算法收敛速度慢和对参数敏感等缺陷,提出一种动态启发式惩罚A^(*)与动态感知蚁群优化算法相... 自主引导车(AGV)的路径规划算法是确保其正常运行的关键部分。针对A^(*)算法在路径规划过程中存在的搜索效率低、路径曲率大的问题,以及蚁群ACO算法收敛速度慢和对参数敏感等缺陷,提出一种动态启发式惩罚A^(*)与动态感知蚁群优化算法相融合的算法—DHPA^(*)-DSACO。DHPA^(*)算法通过设置动态权重因子,结合父节点启发距离,并引入转弯惩罚项,以降低运行时间和路径曲率。DSACO算法通过设置自适应蚁群启发因子和动态挥发因子,优化信息素更新策略,从而缩短路径长度。同时,该算法利用B样条曲线对路径进行平滑处理。为验证算法的可行性,在PyCharm环境中将DHPA^(*)-DSACO算法与其他算法进行对比测试,并对实验结果进行了分析。最后,为了模拟真实世界中的情况,基于ROS系统建立仿真平台,验证了DHPA^(*)-DSACO算法的有效性。结果表明:DHPA^(*)-DSACO算法有效降低了路径长度、曲率和运行时间,显著提升了运行效率。此外,该算法还能有效避免算法陷入局部最优解,减少收敛迭代次数,进一步增强了算法的鲁棒性,使其更好地适应AGV的实际运行情况。 展开更多
关键词 路径规划 蚁群算法 A^(*)算法 B样条曲线
在线阅读 下载PDF
蚁群-遗传融合的文本聚类算法 被引量：15
10
作者 张云 冯博琴 +1 位作者 麻首强 刘连梦 《西安交通大学学报》 EI CAS CSCD 北大核心 2007年第10期1146-1150,共5页
针对蚁群算法容易出现停滞现象而不能对解空间进行全面搜索的问题,提出了一种蚁群-遗传融合的文本聚类算法.该算法将影响蚁群算法性能的4个参数作为遗传算法中的染色体进行编码,基于此又设计出相应的适应度函数以及选择交叉变异算子,通... 针对蚁群算法容易出现停滞现象而不能对解空间进行全面搜索的问题,提出了一种蚁群-遗传融合的文本聚类算法.该算法将影响蚁群算法性能的4个参数作为遗传算法中的染色体进行编码,基于此又设计出相应的适应度函数以及选择交叉变异算子,通过多次迭代找出最优的参数组合,并将其应用到文本聚类问题上.经与经典的k均值聚类算法、基本的蚁群聚类算法的仿真比较,结果表明所提出算法的聚类效果更好,在3个测试集上的F度量值要比k均值聚类算法分别提高5.69%、48.60%、69.60%,所以更适合于处理较大规模的数据集. 展开更多
关键词 蚁群算法 遗传算法 融合 文本聚类
在线阅读 下载PDF
基于车辆路径问题的蚁群遗传融合优化算法 被引量：17
11
作者 张翠军 张敬敏 王占锋 《计算机工程与应用》 CSCD 北大核心 2008年第4期233-235,共3页
在对车辆路径问题(VRP)分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传融合优化算法。该算法首先采用蚁群算法产生阶段最优解,然后利用遗传算法的变异算子对阶段最优解进一步优化。仿真结果表明,该算法能高效解决... 在对车辆路径问题(VRP)分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传融合优化算法。该算法首先采用蚁群算法产生阶段最优解,然后利用遗传算法的变异算子对阶段最优解进一步优化。仿真结果表明,该算法能高效解决VRP,并且优化效果较好。 展开更多
关键词 车辆路径问题 蚁群算法 遗传算法 融合优化算法
在线阅读 下载PDF
融合蚁群算法和遗传算法的矩形件排样问题研究 被引量：7
12
作者 陈江义 宋雪枫 张明伟 《郑州大学学报（理学版）》 CAS 北大核心 2011年第2期79-82,共4页
提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最... 提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最优排样图.计算实例表明:与单一遗传算法相比较,该融合算法可达到更好的排样效果. 展开更多
关键词 矩形件排样 蚁群算法 遗传算法 融合
在线阅读 下载PDF
遗传算法在蚁群算法中的融合研究 被引量：13
13
作者 肖宏峰 谭冠政 《小型微型计算机系统》 CSCD 北大核心 2009年第3期512-517,共6页
提出一种新的求连续空间最优值的蚁群算法.结合遗传算法和蚁群算法的各自优点以及两种算法融合的基础,提出遗传算法融入到蚁群算法的两种新策略:第一种策略是先利用遗传算法具有比较强的全局搜索能力,在大范围内寻找一组解,然后以此为基... 提出一种新的求连续空间最优值的蚁群算法.结合遗传算法和蚁群算法的各自优点以及两种算法融合的基础,提出遗传算法融入到蚁群算法的两种新策略:第一种策略是先利用遗传算法具有比较强的全局搜索能力,在大范围内寻找一组解,然后以此为基础,用蚁群算法快速寻找最优解X*best;另一种策略是利用遗传算法的交叉操作产生蚁群算法的新的旅行路径,以此提高蚁群算法的全局搜索能力.用上述两种策略构造了两个基于遗传算法的混合蚁群算法.文中用测试函数Rosenbrock和Shubert从收敛速度、命中率、计算精度等方面验证了混合蚁群算法的正确性. 展开更多
关键词 遗传算法 混合蚁群算法 算法融合 连续空间优化
在线阅读 下载PDF
遗传算法与蚁群算法的融合研究 被引量：25
14
作者 赵义武 牛庆银 王宪成 《科学技术与工程》 2010年第16期4017-4020,共4页
遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率不高。而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢... 遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率不高。而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢。通过将两种算法进行融合,克服两种算法各自的缺陷,优势互补,形成一种时间效率和求解效率都比较好的启发式算法。并通过仿真计算,表明融合算法的性能优于遗传算法和蚁群算法。 展开更多
关键词 遗传算法 蚁群算法 融合 优化
在线阅读 下载PDF
基于蚁群神经网络的两级信息融合算法 被引量：17
15
作者 吕红芳 顾幸生 《上海交通大学学报》 EI CAS CSCD 北大核心 2016年第8期1323-1330,共8页
为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首... 为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗. 展开更多
关键词 无线传感器网络 蚁群算法 神经网络 信息融合
在线阅读 下载PDF
蚁群和微分进化相融合的自适应优化算法 被引量：4
16
作者 魏林 付华 尹玉萍 《计算机工程》 CAS CSCD 2013年第9期258-262,280,共6页
为解决复杂函数的全局优化问题,提出一种蚁群和微分进化相融合的自适应优化算法。采用微分进化算法的变异和交叉操作避免蚁群算法过早收敛,使用蚁群算法的寻优路径信息素正反馈机制来加速微分进化算法收敛于最优路径,并自动调整搜索范... 为解决复杂函数的全局优化问题,提出一种蚁群和微分进化相融合的自适应优化算法。采用微分进化算法的变异和交叉操作避免蚁群算法过早收敛,使用蚁群算法的寻优路径信息素正反馈机制来加速微分进化算法收敛于最优路径,并自动调整搜索范围。实验结果表明,与蚁群算法和微分进化算法相比,该算法全局优化的搜索效率较高。 展开更多
关键词 蚁群算法 微分进化算法 信息素 融合算法 全局优化
在线阅读 下载PDF
遗传蚁群融合算法及在不确定性无功优化中的应用研究 被引量：9
17
作者 周申培 严新平 《电力系统保护与控制》 EI CSCD 北大核心 2010年第24期120-123,共4页
在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型。并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分... 在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型。并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解。以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性。 展开更多
关键词 无功优化 双层规划 融合算法 遗传算法 蚁群算法
在线阅读 下载PDF
蚁群与遗传算法融合的聚类算法研究 被引量：11
18
作者 朱峰 陈莉 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2009年第5期745-749,共5页
目的通过将蚁群与遗传算法融合,以解决蚁群聚类算法参数众多且与问题域相关,搜索容易出现停滞现象等问题。方法将主要影响蚁群聚类算法性能的5个参数作为遗传算法中的染色体进行编码。首先设计遗传算法的选择、交叉、变异算子,进而将用... 目的通过将蚁群与遗传算法融合,以解决蚁群聚类算法参数众多且与问题域相关,搜索容易出现停滞现象等问题。方法将主要影响蚁群聚类算法性能的5个参数作为遗传算法中的染色体进行编码。首先设计遗传算法的选择、交叉、变异算子,进而将用于聚类结果评价的F-measure函数作为适应度函数,通过多次迭代找出最优的参数组合。结果在仿真实验中,获得了较好的聚类效果。结论蚁群与遗传融合的聚类算法较蚁群聚类算法有更大的优势。 展开更多
关键词 蚁群聚类 遗传算法 算法融合
在线阅读 下载PDF
基于遗传蚁群融合算法的测试用例最小化研究 被引量：8
19
作者 申利民 高洁 《计算机工程》 CAS CSCD 2012年第16期57-60,64,共5页
为缩减测试用例规模及降低回归测试成本,提出一种基于遗传蚁群融合算法的测试用例最小化方法。采用遗传算法进行遗传算子操作,其结果作为蚁群算法的初始信息素分布。使用蚁群算法进行蚂蚁路径转移和信息素的更新,得到最优解。实验结果证... 为缩减测试用例规模及降低回归测试成本,提出一种基于遗传蚁群融合算法的测试用例最小化方法。采用遗传算法进行遗传算子操作,其结果作为蚁群算法的初始信息素分布。使用蚁群算法进行蚂蚁路径转移和信息素的更新,得到最优解。实验结果证明,该方法能有效减小测试用例集规模,缩短运行时间,提高最小化效率。 展开更多
关键词 回归测试 测试用例最小化 覆盖度 运行代价 遗传算法 蚁群算法 融合算法
在线阅读 下载PDF
蚁群和粒子群优化融合算法在船舶网络资源调度中的应用 被引量：7
20
作者 赵占坤 郭春雷 耿兴隆 《舰船科学技术》 北大核心 2016年第10X期46-48,共3页
在互联网技术高速发展的今天,网络互联技术已经被广泛应用在船舶的自动化控制领域,通过集中化的网络资源管理,船员可以有效地对船舶上的电力系统、导航系统和通信系统进行资源调度,从而达到最优化的水平。本文从船舶的实际控制需求出发... 在互联网技术高速发展的今天,网络互联技术已经被广泛应用在船舶的自动化控制领域,通过集中化的网络资源管理,船员可以有效地对船舶上的电力系统、导航系统和通信系统进行资源调度,从而达到最优化的水平。本文从船舶的实际控制需求出发,结合最新的人工智能技术——蚁群和粒子优化融合技术,对船舶网络资源进行数学模型的构建。并结合粒子群优化融合算法对蚁群网络的空间布局进行优化,从而使船舶的网络资源在动态调整中达到平衡。仿真结果表明,经过蚁群和粒子群融合算法优化过的船舶网络资源调度效率更高,具有很好的实际应用前景。 展开更多
关键词 船舶网络 蚁群算法 粒子群优化融合 资源调度
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部