[1] |
李晓磊,邵之江,钱积新. 一种基于动物自治体的寻优模式:鱼群算法[J]. 系统工程理论与实践, 2002(11):32-38.
|
[2] |
李晓磊. 一种新型的智能优化方法-人工鱼群算法[D]. 杭州:浙江大学, 2003.
|
[3] |
李君,梁昔明. 人工鱼群算法收敛速度改进优化仿真[J]. 计算机仿真, 2018,35(1):232-238.
|
[4] |
谭军. 人工鱼群算法优化支持向量机的无线传感器网络节点定位[J]. 计算机应用与软件, 2015,32(10):144-147.
|
[5] |
王术光,田晶,周杰,等. 基于AFSA优化级联随机共振的轴承故障诊断方法[J]. 航空发动机, 2020,46(5):6-9.
|
[6] |
毕桂. 染色体重组鱼群算法的机器人导航路径规划[J]. 机械设计与制造, 2021(6):197-201.
|
[7] |
曾萌,王丰,张永鹏,等. 基于鱼群算法的广东省水资源优化配置研究[J]. 西北大学学报(自然科学版), 2020,50(5):733-741.
|
[8] |
张建军,郭伟华. 一个基于鱼群算法的多核系统实时节能调度[J]. 计算机应用与软件, 2020,37(12):209-215.
|
[9] |
张晓博,彭进业,刘恬. 自适应视野和步长的混沌人工鱼群算法[J]. 微电子学与计算机, 2019,36(6):5-9.
|
[10] |
陈建荣,王勇. 一种人工鱼算法与捕鱼算法相结合的优化方法[J]. 计算机应用与软件, 2011,28(4):196-199.
|
[11] |
龚波,曾飞艳. 基于自适应动态邻域结构的人工鱼群算法[J]. 计算机工程与应用, 2015,51(13):52-55.
|
[12] |
HE S, BELACEL N, HAMAM H, et al. Fuzzy clustering with improved artificial fish swarm algorithm[C]// 2009 International Joint Conference on Computational Sciences and Optimization. IEEE, 2009,2:317-321.
|
[13] |
陈静静,刘升. 基于禁忌搜索的自适应人工鱼群优化算法[J]. 计算机技术与发展, 2021,31(3):8-13.
|
[14] |
王培崇,李丽荣,高文超,等. 应用佳点集的混合反向学习人工鱼群算法[J]. 计算机应用研究, 2015,32(7):1992-1995.
|
[15] |
HUANG Z H, CHEN Y D. Log-Linear model based on behavior selection method for artificial fish swarm algorithm[J]. Computational Intelligence and Neuroscience, 2015.DOI:10.1155/2015/685404.
|
[16] |
KENNEDY J, EBERHART R. Particle swarm optimization [C]// International Conference on Neural Networks. IEEE,1995:1942-1948.
|
[17] |
EBERHART R, KENNEDY J. A new optimizer using particles warm theory[C]// Proceedings of the 6th International Symposium on Micro Machine and Human Science. IEEE,1995:39-43.
|
[18] |
王联国,施秋红,洪毅. PSO和AFSA混合优化算法[J].计算机工程, 2010,36(5):176-178.
|
[19] |
王联国,洪毅,赵付青,等. 一种改进的人工鱼群算法[J]. 计算机工程, 2008(19):192-194.
|
[20] |
XI L, ZHANG F B. An adaptive artificial fish swarm inspired fuzzy C-means algorithm[J]. Neural Computing and Applications, 2019,32:16891-16899.
|
[21] |
王培崇,李丽荣,贺毅朝,等. 一种基于Logistic模型的人工鱼群算法[J]. 中国科技论文, 2013,8(7):668-671.
|
[22] |
姚凌波,戴月明,王艳. 反向自适应高斯变异的人工鱼群算法[J]. 计算机工程与应用, 2018,54(1):179-185.
|
[23] |
〖JP+2〗TIZHOOSH H R. Opposition-based learning: A new scheme for machine intelligence[C]// International Conference on Computational Intelligence for Modelling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce(CIMCA-IAWTIC’06). IEEE, 2005:695-701.
|
[24] |
朱剑云. 粒子群和狼群算法混合研究及其在WSN网络覆盖率优化中的应用[D]. 南昌:东华理工大学, 2019.
|
[25] |
江铭炎,袁东风. 人工鱼群算法及其应用[M]. 北京:科学出版社, 2012.
|
[26] |
朱旭辉,倪志伟,程美英. 变步长自适应的改进人工鱼群算法[J]. 计算机科学, 2015,42(2):210-216.
|
[27] |
张晓莉,王秦飞,冀汶莉. 一种改进的自适应惯性权重的粒子群算法[J]. 微电子学与计算机, 2019,36(3):66-70.
|
[28] |
许喆,刘秀杰,宋健,等. 采用局部学习与反向学习机制的人工鱼群算法在含DG配电网重构中的应用[J]. 电测与仪表, 2018,55(12):60-65.
|
[29] |
YAO X, LIU Y, LIN G M. Evolutionary programming made faster[J]. IEEE Transactions on Evolutionary computation, 1999,3(2):82-102.
|