...用的优化技术——蚁群优化（ant colony optimization，ACO），并将所有符合 ACO框架的蚂蚁算法称为蚁群优化算法（ACO algorithm），从而为ACO的理论研究和算法设 计提供了一个统一的框架。
基于16个网页-相关网页
ACO algorithm' main features are positive feedback and parallelism. Positive feedback makes the algorithm quickly discovered a better solution, and parallelism makes the algorithm easy to achieve parallel computing.
最后，文章运用改进的蚁群算法求解车辆路径规划模型，该算法的主要特点是正反馈和并行性，正反馈使得该算法很快发现较好解，并行性使得该算法易于实现并行计算。
参考来源 - 配送中心的运输路径优化研究·2,447,543篇论文数据，部分数据来源于NoteExpress
In order to improve the performance of ACO algorithm, an ACO algorithm with the dynamic parameter decision model was presented in this paper.
为使蚁群优化算法在应用中发挥最佳的寻优性能，提出带有动态参数决策模型的改进蚁群优化算法。
ACO algorithm is basically a multi agent system where low level interactions between single agents result in a complex behavior of the whole ant colony.
ACO算法本质上是一个多代理系统，在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。
Relative to the ACO algorithm, GPSO algorithm is better than the ACO algorithm whether in the search speed, search precision, or in the algorithm running time.
相对于蚁群算法来说，不论是在搜索速度、搜索精度，还是在算法的运行时间上，GPSO算法都要优于蚁群算法。
应用推荐