4 实验分析 本节,我们选择最高效的ACO 算法之一最大最小蚂蚁系统(MAX-MIN Ant System, MMAS)作为 测试的基准,讨论GPU-based MMAS 与MMAS 的性能差异.
基于22个网页-相关网页
4 实验分析 本节,我们选择最高效的ACO 算法之一最大最小蚂蚁系统(MAX-MIN Ant System, MMAS)作为 测试的基准,讨论GPU-based MMAS 与MMAS 的性能差异.
基于18个网页-相关网页
(3) 对蚁群算法的各个参数的特性进行了分析,并在MMAS蚁群算法(Max-Min Ant System)的基础上对蚁群算法进行了一定的改进。 (4) 对本文给出的算法模型进行了试验计算,并分析了分解法和整体法各自的特点。
基于14个网页-相关网页
4 实验分析 本节,我们选择最高效的ACO 算法之一最大最小蚂蚁系统(MAX-MIN Ant System, MMAS)作为 测试的基准,讨论GPU-based MMAS 与MMAS 的性能差异.
基于12个网页-相关网页
Max-min-ant-system 和最大最小蚂蚁系统
MIN-MAX Ant System 最小最大蚂蚁系统
max-min ant colony system 最大最小蚁群系统
max-min ant colony system algorithm 极大极小蚁群算法
Ant colony algorithm solving the logistic distribution routing problem is prone to prematurity, stagnation and local optimum. In order to overcome this defect ,a mixed algorithm of MAX-MIN ant system , chaos and mutation is proposed.
针对蚁群算法求解物流配送路径问题易陷入早熟、停滞、局部最优的缺点,提出了混沌、变异与最大最小蚂蚁算法相融合的改进蚁群算法。
参考来源 - 基于改进蚁群算法的物流配送路径问题研究·2,447,543篇论文数据，部分数据来源于NoteExpress
应用推荐