蚁群算法理论及应用研究的进展

被引:213
作者
段海滨
王道波
朱家强
黄向华
机构
[1] 南京航空航天大学自动化学院
[2] 清华大学智能技术与系统国家重点实验室
[3] 南京航空航天大学自动化学院 江苏南京
[4] 江苏南京
[5] 北京
关键词
蚁群算法; 信息素; 智能计算; 优化;
D O I
10.13195/j.cd.2004.12.1.duanhb.001
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
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.
引用
收藏
页码:1321 / 1326+1340 +1340
页数:7
相关论文
共 16 条
[1]   复杂环境下基于蚁群优化算法的机器人路径规划 [J].
樊晓平 ;
罗熊 ;
易晟 ;
张航 ;
不详 .
控制与决策 , 2004, (02) :166-170
[2]   基于自适应蚂蚁算法的动态最优路由选择 [J].
丁建立 ;
陈增强 ;
袁著祉 .
控制与决策, 2003, (06) :751-753+757
[3]   蚂蚁算法在交通配流中的应用 [J].
马良 ;
姚俭 ;
范炳全 .
科技通报, 2003, (05) :377-380
[4]   一种简单蚂蚁算法及其收敛性分析 [J].
孙焘 ;
王秀坤 ;
刘业欣 ;
张名举 .
小型微型计算机系统, 2003, (08) :1524-1527
[5]   基于应力场的土坡临界滑动面的蚂蚁算法搜索技术 [J].
王成华 ;
夏绪勇 ;
李广信 .
岩石力学与工程学报, 2003, (05) :813-819
[6]   蚁群算法在连续空间寻优问题求解中的应用 [J].
汪镭 ;
吴启迪 ;
不详 .
控制与决策 , 2003, (01) :45-48+57
[7]   基于蚁群算法的配电网网架优化规划方法 [J].
王志刚 ;
杨丽徙 ;
陈根永 .
电力系统及其自动化学报, 2002, (06) :73-76
[8]   基于蚁群算法的自由飞行空间机器人路径规划 [J].
金飞虎 ;
洪炳熔 ;
高庆吉 .
机器人, 2002, (06) :526-529
[9]   自适应调整信息素的蚁群算法 [J].
覃刚力 ;
杨家本 .
信息与控制, 2002, (03) :198-201+210
[10]   一种自适应蚁群算法及其仿真研究 [J].
王颖 ;
谢剑英 .
系统仿真学报, 2002, (01) :31-33