基于改进蚁群算法的高精度文本特征选择方法

蚁群算法及其改进策略 软工:刘文 蚁群算法原理 算法详细流程 代码示例 四.算法优化 五.性能分析 蚁群算法原理 蚁群算法理 Macro Dorigo Gambardella 20世纪90年代意大利学

针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷，提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解，在局部搜索中采用聚类进行二次搜索，缩小了算法的搜索范围、改善了解空间

微电网能够减少电能损失,推迟电网线路升级时间和减少电网线路升级费用,但是如果微电网中的分布式电源位置与容量不合适,不但不能减少电能损失降低成本,相反还会增加电网损耗,降低系统的供电质量。针对这些问题,

Research on Optimization of Logistics Distribution Routing Based on Improved Ant Colony Algorithm

提出一种全局静态环境下移动机器人路径规划的改进势场蚁群算法.该算法采用人工势场法求得的初始路径和机器人与下一个节点之间的距离综合构造启发信息,并引入启发信息递减系数,避免了传统蚁群算法由于启发信息误导

蚁群算法是一种应用广泛、性能优良的智能优化算法, 其求解效果与参数选取息息相关. 鉴于此, 针对现有 基于粒子群参数优化的改进蚁群算法耗时较大的问题, 提出一种新的解决方案. 该方案给出一种全局异步与

图像分割作为目标检测、识别、跟踪研究领域的核心内容,在遥感、计算机视觉、场景解析、图像重构等领域有着广阔的应用前景。针对传统的基于先验阈值或者小波变换的图像分割算法存在的计算冗余、可操作性较差、过分依

为了对MFJSSP进行优化，给出了改进的基于蚁群算法的MFJSSP解决方法。改进后的算法根据工件数量确定子集数量。给出了可选工作集的构建方法及在寻优过程中的邻域搜索策略，并对蚁群算法的参数选择问题进行

详细分析了移动Adhoc网络中DSR协议，发现在移动情形下节点端到端延迟、路由负载以及能量消耗等过高问题。针对DSR协议的不足之处，提出基于蚁群算法的改进DSR协议——ACOIDSR。新协议在路由发现

协作学习中根据学习者的特征进行有效分组对于提高学习者的学习效率具有重要的作用。基于学习者的学习能力、兴趣爱好和理解水平，在基于蚁群算法的协作学习分组中，以学习者特征相似度值作为启发信息，并针对蚁群算法