群体智能典型算法研究综述

doi:10.3778/j.issn.1002-8331.2010.25.001

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 1-4.DOI: 10.3778/j.issn.1002-8331.2010.25.001

群体智能典型算法研究综述

余建平¹，周新民²，陈明¹

1.湖南师范大学数学与计算机科学学院，长沙 410081
2.湖南商学院信息学院，长沙 410205

收稿日期:2010-06-13 修回日期:2010-07-28 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 余建平

Research on representative algorithms of swarm intelligence

YU Jian-ping¹，ZHOU Xin-min²，CHEN Ming¹

1.College of Mathematics and Computer Science，Hunan Normal University，Changsha 410081，China
2.Information School，Hunan University of Commerce，Changsha 410205，China

Received:2010-06-13 Revised:2010-07-28 Online:2010-09-01 Published:2010-09-01
Contact: YU Jian-ping

摘要/Abstract

摘要： 群体智能是指无智能的或具有简单智能的个体通过协作表现出群体智能行为的特性，它在没有集中控制且不提供全局模型的前提下，为寻找复杂的分布式问题求解方案提供了基础。群体智能潜在的并行性和分布式特征使之成为计算机领域一个重要的研究方向。在介绍群体智能模型的基础上，分别对基于该模型的蚁群优化算法和粒子群优化算法这两类代表性算法进行较为详尽的归纳阐述并进行比较，最后就目前应用最为广泛的蚁群算法对群体智能的发展趋势进行展望。

Abstract: Swarm intelligence has the characteristics of the collective intelligence emerging from the cooperation of individuals with little intelligence，which provides basic solutions for the complicated distributed problems under the conditions without central control and global model.The potential features of the parallel and distribution make the swarm intelligence an important direction in computer domain.After introducing the basic swarm intelligence model，two kinds of the swarm intelligence-based representative algorithms——The particle swarm optimization and the ant colony optimization are detailed and the characteristics of them are compared.Finally，the future research aspects of the swarm intelligence are emphatically suggested，especially the broad-applied ant algorithms.

中图分类号:

TP181

余建平¹，周新民²，陈明¹. 群体智能典型算法研究综述[J]. 计算机工程与应用, 2010, 46(25): 1-4.

YU Jian-ping¹，ZHOU Xin-min²，CHEN Ming¹. Research on representative algorithms of swarm intelligence[J]. Computer Engineering and Applications, 2010, 46(25): 1-4.

[1]	苏晨¹，倪世宏¹，王彦鸿². 一种改进人工免疫的飞行状态规则提取方法[J]. 计算机工程与应用, 2011, 47(3): 237-239.
[2]	马蕾，汪西莉. 基于支持向量机协同训练的半监督回归[J]. 计算机工程与应用, 2011, 47(3): 177-180.
[3]	黄俊恒¹，孙玉山²，朱东杰². 扩散模式的聚类算法研究[J]. 计算机工程与应用, 2011, 47(2): 121-123.
[4]	王春玉，苏宏业，渠瑜，褚健. 一种基于过抽样技术的非平衡数据集分类方法[J]. 计算机工程与应用, 2011, 47(1): 139-143.
[5]	杨鹏^1，2，柴小燕³，孙俊清^1，2. 集装箱码头场桥协同调度研究[J]. 计算机工程与应用, 2011, 47(1): 231-233.
[6]	伍京华¹，张新刚²，孟海亮³. 基于案例匹配度的Agent劝说机制[J]. 计算机工程与应用, 2010, 46(35): 235-237.
[7]	刘健^1，2，刘忠²，熊鹰¹. 改进的二叉树支持向量机多类分类算法研究[J]. 计算机工程与应用, 2010, 46(33): 117-120.
[8]	赵辉¹，孙俊清^2，3. MAS在集装箱港口决策支持系统中应用研究[J]. 计算机工程与应用, 2010, 46(32): 241-243.
[9]	刘毅，刘传菊. 应用于实时控制系统的线程池调度策略设计[J]. 计算机工程与应用, 2010, 46(32): 71-73.
[10]	周辅疆^1，2，田伟峰¹，朱小冬¹. RS_SVM在装备维修费用预测中的应用[J]. 计算机工程与应用, 2010, 46(31): 222-224.
[11]	刘松¹，高长元². 高技术虚拟企业利益分配冲突求解系统的构建[J]. 计算机工程与应用, 2010, 46(28): 17-21.
[12]	桂现才 . 改进的优势区分矩阵及其求核方法[J]. 计算机工程与应用, 2010, 46(27): 36-38.
[13]	何荣福¹，张凌². 基于单向S-粗集对偶的知识堆垒与知识垛识别[J]. 计算机工程与应用, 2010, 46(27): 39-42.
[14]	葛浩¹，杨传健²，李龙澍³. 一种高效的核属性求解算法[J]. 计算机工程与应用, 2010, 46(26): 138-141.
[15]	蒋玉娇¹，王晓丹¹，王文军²，毕凯¹. 一种基于PCA和ReliefF的特征选择方法[J]. 计算机工程与应用, 2010, 46(26): 170-172.

群体智能典型算法研究综述

Research on representative algorithms of swarm intelligence

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics