蝙蝠算法研究及应用综述

doi:10.3778/j.issn.1002-8331.1903-0208

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (15): 1-12.DOI: 10.3778/j.issn.1002-8331.1903-0208

蝙蝠算法研究及应用综述

许德刚，赵萍

1.河南工业大学信息科学与工程学院，郑州 450001
2.粮食信息处理与控制教育部重点实验室，郑州 450001

出版日期:2019-08-01 发布日期:2019-07-26

Literature Survey on Research and Application of Bat Algorithm

XU Degang, ZHAO Ping

1.School of Information Science and Engineering, Henan University of Technology, Zhengzhou 450001, China
2.Key Laboratory of Grain Information Processing and Control, Ministry of Education, Zhengzhou 450001, China

Online:2019-08-01 Published:2019-07-26

摘要/Abstract

摘要： 蝙蝠算法（BA）是一种受蝙蝠利用超声波回声定位觅食行为启发的新型群体智能优化算法。介绍了蝙蝠算法的基本原理，分析了性能影响因素，论述了算法的改进策略，并阐述了蝙蝠算法在数据挖掘、图像处理、组合优化等方面的应用与发展。最后结合蝙蝠算法的性能特点和应用方向，对蝙蝠算法未来的研究发展方向进行了展望。

关键词: 蝙蝠算法, 群体智能, 改进策略, 优化, 算法融合

Abstract: Bat Algorithm（BA） is a novel swarm intelligence optimization algorithm inspired by bats using ultrasonic echolocation foraging behavior. The paper introduces the basic principles of the bat algorithm, analyzes the performance influencing factors, discusses the improvement strategy of BA, and expounds the application and development of the bat algorithm in data mining, image processing, combinatorial optimization, etc. Finally, the future research direction of bat algorithm is prospected by combining the performance characteristics and application directions of the bat algorithm.

Key words: bat algorithm, swarm intelligence, improvement strategy, optimization, fusion algorithm

许德刚，赵萍. 蝙蝠算法研究及应用综述[J]. 计算机工程与应用, 2019, 55(15): 1-12.

XU Degang, ZHAO Ping. Literature Survey on Research and Application of Bat Algorithm[J]. Computer Engineering and Applications, 2019, 55(15): 1-12.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[3]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[4]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[5]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[6]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[7]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[8]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[9]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[10]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[13]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[14]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[15]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.

蝙蝠算法研究及应用综述

Literature Survey on Research and Application of Bat Algorithm

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