跳转到主要内容
认证机构:IGI全球平台(112.34.110.148)
登录
注册
语言:
英语
欢迎使用InfoSci平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:112.34.110.148
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
指数
该标题如下所示:
关闭
参考中心
该研究被引用于:
关闭
最近搜索的热门结果
关闭
基于混沌函数映射的ACO聚类算法
Lei Yang、Xin Hu、Hui Wang、Wensheng Zhang、Kang Huang、Dongya Wang
来源标题:
国际认知信息学与自然智能杂志(IJCINI)
15(4)
版权:
© 2021
|
体积:
15
|
问题:
4
|
页:
21
国际标准编号:
1557-3958
|
EISSN公司:
1557-3966
|
EISBN13:
9781799859857
|
内政部:
10.4018/IJCINI.20211001.oa20
引用文章
引用文章
MLA公司
Yang,Lei等,“基于ACO的混沌函数映射聚类算法”
IJCINI公司
第15卷,第4期,2021年:第1-21页。
http://doi.org/10.4018/IJCINI.20211001.oa20
亚太地区
Yang,L.,Hu,X.,Wang,H.,Zhang,W.,Huang,K.,&Wang,D.(2021)。
一种基于混沌函数映射的ACO聚类算法。
国际认知信息学与自然智能杂志(IJCINI),15
(4), 1-21.
http://doi.org/10.4018/IJCINI.20211001.oa20
芝加哥
Yang,Lei等,“基于混沌函数映射的ACO聚类算法”
国际认知信息学与自然智能杂志(IJCINI)
第15页,第4页:1-21。
http://doi.org/10.4018/IJCINI.20211001.oa20
导出参考
收藏夹
完整发布下载
查看全文HTML
查看全文PDF
摘要
为了克服蚁群优化聚类算法(ACOC)在处理聚类问题时的不足,引入了一种新的混沌蚁群优化算法。
该算法的主要思想是将混沌映射函数应用于蚁群优化的两个阶段:信息素初始化和信息素更新。
在信息素初始化阶段应用混沌映射函数可以鼓励蚂蚁尽可能多地分布在不同的初始状态。
在信息素更新阶段应用混沌映射函数可以给算法增加干扰因素,促使蚂蚁更多地探索新路径,避免过早收敛和过早收敛到次优解。
在四个广泛使用的基准上对传统算法和提出的算法进行了广泛的实验,以研究新算法的性能。
这些实验结果证明了该算法的竞争效率、有效性和稳定性。
如果出现与翻译网站中所含信息准确性相关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。