人工智能相关论文参考文献合集 人工智能技术相关论文范文怎么写的

人工智能相关论文参考文献合集

 

 

人工智能是一门新兴的具有挑战力的学科。自人工智能诞生以来

,

发展迅速

,

产生了许多

分支。诸如强化学习、模拟环境、智能硬件、机器学习等。但是

,

在当前人工智能技术迅猛发

展

,

为人们的生活带来许多便利。

下面是搜索整理的人工智能英文参考文献的分享，

供大家借

鉴参考。

 

 

 

 

人工智能英文参考文献一：

 

 

 

 

[1]Lars 

Egevad,Peter 

Str?m,Kimmo 

Kartasalo,Henrik 

Olsson,Hemamali 

Samaratunga,Brett 

Delahunt,Martin 

Eklund. 

The 

utility 

of 

artificial 

intelligence 

in 

the assessment of prostate pathology[J]. Histopathology,2020,76(6). 

 

 

 

[2]Rudy van Belkom. The Impact of Artificial Intelligence on the Activities of 

a Futurist[J]. World Futures Review,2020,12(2). 

 

 

 

[3]Reza 

Hafezi. 

How 

Artificial 

Intelligence 

Can 

Improve 

Understanding 

in 

Challenging Chaotic Environments[J]. World Futures Review,2020,12(2). 

 

 

 

[4]Alejandro D

í

az-Dom

í

nguez. How Futures Studies and Foresight Could Address 

Ethical Dilemmas of Machine Learning and 

Artificial Intelligence[J]. World Futures 

Review,2020,12(2). 

 

 

 

[5]Russell 

T. 

Warne,Jared 

Z. 

Burton. 

Beliefs 

About 

Human 

Intelligence 

in 

a 

Sample 

of 

Teachers 

and 

Nonteachers[J]. 

Journal 

for 

the 

Education 

of 

the 

Gifted,2020,43(2). 

 

 

 

[6]Russell Belk,Mariam Humayun,Ahir Gopaldas. Artificial Life[J]. Journal of 

Macromarketing,2020,40(2). 

 

 

 

[7]Walter Kehl,Mike Jackson,Alessandro Fergnani. Natural Language Processing 

and Futures Studies[J]. World Futures Review,2020,12(2). 

 

 

 

[8]Anne Boysen. Mine the Gap: Augmenting Foresight Methodologies with Data 

Analytics[J]. World Futures Review,2020,12(2). 

 

 

 

[9]Marco 

Bevolo,Filiberto 

Amati. 

The 

Potential 

Role 

of 

AI 

in 

Anticipating 

Futures 

from a Design Process 

Perspective: 

From 

the Reflexive Description of 

“

Design

”

 to 

a 

Discussion 

of 

Influences 

by 

the 

Inclusion 

of 

AI 

in 

the 

Futures 

Research 

Process[J]. 

World Futures Review,2020,12(2). 

 

 

 

[10]Lan 

Xu,Paul 

Tu,Qian 

Tang,Dan 

Seli?teanu. 

Contract 

Design 

for 

Cloud 

Logistics 

(CL) Based on Blockchain Technology (BT)[J]. Complexity,2020,2020. 

 

 

 

[11]L. 

Grant,X. 

Xue,Z. 

Vajihi,A. 

Azuelos,S. 

Rosenthal,D. 

Hopkins,R. 

Aroutiunian,B. 

Unger,A. 

Guttman,M. 

Afilalo. 

LO32: 

Artificial 

intelligence 

to 

predict 

disposition to improve flow in the emergency department[J]. CJEM,2020,22(S1). 

人工智能蚁群算法小论文合集

 

 

智能控制之蚁群算法

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

引言

 

进入

21

世纪以来，随着信息技术的发展，许多新方法和技术进入工程化、

产品化阶段，

这对自动控制技术提出新的挑战，

促进了智能理论在控制技术中的

应用，

以解决用传统的方法难以解决的复杂系统的控制问题。

随着计算机技术的

飞速发展，智能计算方法的应用领域也越来越广泛。

 

智能控制技术的主要方法有模糊控制、

基于知识的专家控制、

神经网络控制

和集成智能控制等

,

以及常用优化算法有

:

遗传算法、蚁群算法、免疫算法等。

 

蚁群算法是近些年来迅速发展起来的，

并得到广泛应用的一种新型模拟进化

优化算法。

研究表明该算法具有并行性，

鲁棒性等优良性质。

它广泛应用于求解

组合优化问题，

所以本文着重介绍了这种智能计算方法，

即蚁群算法，

阐述了其

工作原理和特点，同时对蚁群算法的前景进行了展望。

 

 

 

 

 

2 

蚁群算法概述

 

 

1

、起源

 

蚁群算法

(ant colony optimization, ACO)

，

又称蚂蚁算法，

是一种用来在

图中寻找优化路径的机率型技术。

它由

Marco Dorigo

于

1992

年在他的博士

论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。

 

Deneubourg

及其同事

(Deneubourg et al.,1990; Goss et al.,1989)

在可监控实验

条件下研究了蚂蚁的觅食行为，

实验结果显示这些蚂蚁可以通过使用一种称为信

息素的化学物质来标记走过的路径，从而找出从蚁穴到食物源之间的最短路径。

 

在蚂蚁寻找食物的实验中发现，

信息素的蒸发速度相对于蚁群收敛到最短路

径所需的时间来说过于缓慢，

因此在模型构建时，

可以忽略信息素的蒸发。

然而

当考虑的对象是人工蚂蚁时，

情况就不同了。

实验结果显示，

对于双桥模型和扩

展双桥模型这些简单的连接图来说，

同样不需要考虑信息素的蒸发。

相反，

在更

复杂的连接图上，

对于最小成本路径问题来说，

信息素的蒸发可以提高算法找到

好解的性能。

 

2

、基于蚁群算法的机制原理

 

模拟蚂蚁群体觅食行为的蚁群算法是作为一种新的计算智能模式引入的，

该

算法基于如下假设：

 

（

1

）蚂蚁之间通过信息素和环境进行通信。每只蚂蚁仅根据其周围的环境作

出反应，也只对其周围的局部环境产生影响。

 

（

2

）蚂蚁对环境的反应由其内部模式决定。因为蚂蚁是基因生物，蚂蚁的行

为实际上是其基因的自适应表现，即蚂蚁是反应型适应性主体。

 

（

3

）在个体水平上，每只蚂蚁仅根据环境作出独立选择；在群体水平上，单