几种新型仿生优化算法的比较研究
Research on Some Novel Bionic Optimization Algorithms
查看参考文献15篇
|
文摘
|
仿生优化算法是模拟自然界中生物行为的随机搜索算法，可以用来解决现实中的许多优化问题。简要介绍了目前比较流行的四种新型仿生优化算法（蚁群算法、微粒群算法、人工免疫算法以及人工鱼群算法）的基本原理；然后深入分析了这些仿生优化算法的异同之处：这些算法都是一类不确定的算法，都是一类概率型的全局优化算法，都不依赖于优化问题本身的严格数学性质，都是一种基于多个智能体的智能算法，都具有本质并行性、突现性、进化性和稳健性，其不同性则主要体现在算法本身上；最后对这些仿生优化算法今后的发展方向进行了评述与展望。 |
|
其他语种文摘
|
Bionic optimization algorithms are stochastic search methods that mimic the natural biological behavior of species. They are mainly applied to solve various optimization problems. This paper proposes the formulation of four recent biology - based algorithms ： ant colony algorithm, particle swarm optimization algorithm, artificial immune algorithm, and artificial fish - swarm algorithm. A brief description of each algorithm is presented firstly. Then, a detailed comparison and analysis of these bionic optimization algorithms are conducted. These bionic optimization algorithms are a kind of uncertain algorithm with great probability, and independent from the mathematical characters of different problems. These algorithms also have parallelism and robustness. The different points are embedded in the algorithms. Finally, some remarks on the further research contents and directions are discussed. |
|
来源
|
计算机仿真
,2007,24(3):169-172,253 【扩展库】
|
|
关键词
|
蚁群算法
;
微粒群算法
;
人工免疫算法
;
人工鱼群算法
;
比较
|
|
地址
|
1.
北京航空航天大学自动化科学与电气工程学院, 北京, 100083
2.
南京航空航天大学自动化学院, 江苏, 南京, 210016
3.
中国科学院空间科学与应用研究中心, 北京, 100080
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1006-9348 |
|
学科
|
系统科学;自动化技术、计算机技术 |
|
基金
|
国家自然科学基金
|
|
文献收藏号
|
CSCD:2888357
|
参考文献 共
15
共1页
|
|
1.
A Colorni. Distributed optimization by ant colonies.
Proceedings of European Conference on Artificial Life,1991:134-142
|
被引
24
次
|
|
|
|
|
2.
段海滨. 蚁群算法理论及应用研究的进展.
控制与决策,2004,19(12):1321-1326, 1340
|
被引
70
次
|
|
|
|
|
3.
段海滨.
蚁群算法原理及其应用,2005
|
被引
262
次
|
|
|
|
|
4.
J Kennedy. Particle Swarm Optimization.
Proceedings of the IEEE International Conference on Neural Networks,1995:1942-1948
|
被引
271
次
|
|
|
|
|
5.
R Eberhart. A new optimizer using particle swarm theory.
Proceedings of the 6th International Symposium on Micro-Machine and Human Science,1995:39-43
|
被引
4
次
|
|
|
|
|
6.
H Bersini. Hints for adaptive problem solving leaned from immune network.
Parallel Problem Solving from Nature,1991:343-354
|
被引
4
次
|
|
|
|
|
7.
李晓磊. 一种基于动物自治体的寻优模式：鱼群算法.
系统工程理论与实践,2002,22(11):32-38
|
被引
435
次
|
|
|
|
|
8.
E Bonabeau. Inspiration for Optimization from Social insect Behaviour.
Nature,2000,406(6):39-42
|
被引
134
次
|
|
|
|
|
9.
M Dorigo. Ant system:optimization by a colony of cooperating agents.
IEEE Transactions on Systems,1996,26(1):29-41
|
被引
153
次
|
|
|
|
|
10.
段海滨. 蚁群算法的全局收敛性研究及改进.
系统工程与电子技术,2004,26(10):1506-1509
|
被引
10
次
|
|
|
|
|
11.
D Dasgupta. Artificial neural networks and artificial immune systems:similarities and differences.
Proceedings of the IEEE International Conference on Systems,1997:873-878
|
被引
1
次
|
|
|
|
|
12.
李晓磊. 基于分解协调的人工鱼群优化算法研究.
电路与系统学报,2003,8(1):1-6
|
被引
65
次
|
|
|
|
|
13.
C W Reynolds. Flocks herds schools:a distributed behavioral model.
Proceedings of SIGGRAPH87;Computer Graphics,1987,21(4):25-34
|
被引
1
次
|
|
|
|
|
14.
徐宁. 几种现代优化算法的比较研究.
系统工程与电子技术,2002,24(12):100-103
|
被引
16
次
|
|
|
|
|
15.
李艳君.
拟生态系统算法及其在工业过程控制中的应用.[博士学位论文],2001
|
被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问