共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于博弈论的量子蚁群算法显示文摘针对量子蚁群算法求解组合优化问题时易陷入局部最优和收敛速度慢的问题,提出一种基于博弈论的量子蚁群算法(quantum ant colony algorithm based on the game theory,GQACA)。算法采用重复博弈模型,在重复博弈中产生一个博弈序列,使得每次博弈都能够产生最大效益,并得到相应博弈过程的纳什均衡。利用典型的5个标准测试函数对GQACA算法寻优性能进行试验测试。试验结果表明:GQACA算法的收敛精度和稳定性均要优于量子蚁群算法(quantum ant colony algorithm,QACA)和蚁群算法(ant colony algorithm,ACA)。 | 王启明 李战国 樊爱宛 | 2015 | 山东大学学报(工学版)2015，45，2： | 4 |
| 2 | 基于改进量子蚁群算法的TSP求解问题研究显示文摘TSP问题是一个组合优化问题,该问题具有NP计算复杂性,运用量子蚁群算法求解该问题时易陷入局部最优和收敛速度慢的问题。因此提出一种基于博弈论的量子蚁群算法(GQACA),该算法采用重复博弈模型,在重复博弈中产生一个博弈序列,使得每次博弈都能够产生最大效益,并得到相应博弈过程的纳什均衡。把该算法应用于TSP求解,实验结果表明本文中GQACA算法的收敛精度和稳定性均要优于其他量子蚁群算法。 | 王启明 李玮瑶 | 2015 | 微处理机2015，36，3： | 2 |
| 3 | 量子蚁群算法现状综述显示文摘介绍了量子蚁群算法的发展、基本理论和方法。从量子编码、量子门改进、旋转角调整、加入新算子等几个角度论述了量子蚁群算法的改进方法,并总结了量子蚁群算法的应用领域。最后提出量子蚁群算法的发展方向。 | 张新 | 2014 | 机电一体化2014，20，A01： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员