智能优化算法研究及应用展望

被引：13

作者：

李智

机构：

[1] 武汉轻工大学电气与电子工程学院

来源：

武汉轻工大学学报 | 2016年 / 35卷 / 04期

关键词：

智能算法; 优化; 算法结构; 计算过程;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对智能优化算法理论和应用的不断发展,分析了智能优化算法的特点,对蚁群算法、粒子群算法、鱼群算法等7种不同算法的原理、算法过程及应用进行了综述,并对智能算法的进一步发展进行了探讨。

引用

收藏

页码：1 / 9+131 +131

页数：10

相关论文

共 67 条

[1] 利用蚁群算法生成覆盖表:探索与挖掘 [J].

曾梦凡 ;

陈思洋 ;

张文茜 ;

聂长海 .

软件学报, 2016, 27 (04) :855-878

[2] 实数编码人工免疫算法概率强收敛速度估计研究 [J].

洪露 ;

王经卓 ;

掌明 ;

纪志成 .

电子学报, 2015, 43 (12) :2388-2393

[3] 基于多种群粒子群算法和布谷鸟搜索的联合寻优算法 [J].

高云龙 ;

闫鹏 .

控制与决策, 2016, 31 (04) :601-608

[4] 基于蚁群算法的分布式卫星光网络波长路由分配技术研究 [J].

董毅 ;

赵尚弘 ;

李勇军 ;

赵静 ;

邓博于 .

电子与信息学报, 2015, 37 (11) :2650-2656

[5] 基于改进粒子群算法的Volterra模型参数辨识 [J].

卫晓娟 ;

丁旺才 ;

李宁洲 ;

周学舟 .

振动与冲击, 2015, 34 (21) :105-112

[6] 基于改进型鱼群算法的番茄光环境调控目标值模型 [J].

胡瑾 ;

闫柯 ;

何东健 ;

张海辉 ;

辛萍萍 ;

陶彦蓉 .

农业机械学报, 2016, 47 (01) :260-265

[7] 基于改进蚁群算法的制造云服务组合优化 [J].

马文龙 ;

王铮 ;

赵燕伟 .

计算机集成制造系统, 2016, 22 (01) :113-121

[8] 基于粒子群算法优化支持向量机的延河流域水沙模拟 [J].

李天宏 ;

曾现进 .

应用基础与工程科学学报, 2015, 23(S1) (S1) :79-87

[9] 面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究 [J].

罗亚波 .

机械工程学报, 2015, 51 (08) :178-184

[10] 一种结合多目标免疫算法和线性规划的双行设备布局方法 [J].

左兴权 ;

王春露 ;

赵新超 .

自动化学报, 2015, 41 (03) :528-540

← 1 2 3 4 5 6 7 →