收藏本站
《吉林大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

群智能算法的改进及其在相关领域中的应用

张毅  
【摘要】: 本文对群智能算法中的蚁群算法进行了改进,并将粒子群算法应用于蚁群算法的主要参数选择,取得很好的结果。将改进方法应用于一系列组合优化问题——经典旅行商问题、多点路由问题、生物信息学中的基序发现问题等,实验结果表明改进方法是有效的。 本文的主要内容之一是针对基本蚁群算法在处理大规模优化问题上算法执行效率很低的缺点进行的改进,改进的算法以提高算法的执行效率和提高解的质量为目的。首先,针对基本蚁群算法的选路时间过长的问题,引入选路优化策略,减少了算法中蚂蚁的选路次数,显著提高了算法的执行效率。尤其对于以往较难处理的大规模TSP问题,改进算法在执行效率上有明显的优势。其次,改进的算法引入了蚂蚁个体差异,并将不同蚂蚁选路策略混合应用,使改进后的蚁群算法在加快收敛速度和提高解的质量的同时,避免了过早停滞现象。最后,由于蚁群算法是概率算法,解的质量依赖于概率函数的参数选择,传统的人工经验方法设置固定的参数不能使所有问题的解得到优化,所以本文引入粒子群优化算法动态调节函数中的参数。模拟实验结果表明改进算法较之基本蚁群算法在收敛速度和解的质量上都有明显提高。 为了验证改进算法的有效性,将改进的方法应用于经典旅行商问题和多点路由问题,实验结果表明,本文的改进方法是有效的。本文针对生物信息学中的蛋白质和基因海量数据的检索和模式识别的问题进行了研究。首先,针对蛋白质的海量数据设计了高效的检索方法和压缩方法。实现了一种既能高效检索海量数据同时又能对其进行一定的压缩的数据结构,通过正规哈夫曼编码对蛋白质数据进行有效压缩和高效索引,取得了很好的结果。其次,利用改进的蚁群算法和传统的吉布斯抽样识别算法相结合进行基序发现识别问题的优化,得到了很好的实验结果。 本文的工作主要有以下四个方面: 1.设计并实现了一种基于选路优化和个体差异的改进的蚁群算法。该算法较之基本蚁群算法在算法的执行效率和解的质量上都有很大改进,性能上优于基本蚁群算法。 2.对蚁群算法的参数进行了优化处理,设计了一种基于蚁群算法和粒子群算法的混合算法。混合算法主要是通过粒子群算法自动调节蚁群算法的主要参数,使参数选择不再完全依赖于人工经验。实验结果表明混合算法是有效的。 3.将改进的蚁群算法应用于典型的组合优化问题——经典旅行商问题和多点路由问题。在经典旅行商的多个实例中得到了现有的最优解,而且算法的效率得到了提高。在处理多点路由问题时,在算法的执行效率和解的质量上都得到了很有效的改进。 4.将改进的蚁群算法应用于生物信息学中的序列基序发现识别问题。首先,针对生物信息学中的海量数据问题进行了有效的处理。通过基于正规哈夫曼编码对生物序列数据进行有效压缩。其次,在已有的吉布斯抽样识别算法处理基序发现问题的基础上,用改进的蚁群算法对算法进行优化,在不影响解的质量的前提下,有效减少了算法的运行时间,取得了很好的结果。
【学位授予单位】:吉林大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:TP301.6

【相似文献】
中国期刊全文数据库 前10条
1 邹海洋;;蚁群算法在智能交通系统中的应用[J];科技信息;2011年19期
2 胡庆婉;刘永财;奠俊保;吴上;;蚁群算法在TSP问题中的参数设定[J];电脑知识与技术;2011年20期
3 邓慧娴;刘朝臣;;物流配送路径中蚁群算法改进策略[J];安徽科技学院学报;2011年03期
4 赵辉;徐俊刚;;基于OpenMP多核架构下并行蚁群算法研究[J];微型机与应用;2011年16期
5 张银玲;牛小梅;;蚁群算法在移动机器人路径规划中的仿真研究[J];计算机仿真;2011年06期
6 王霄;吴开军;;基于改进蚁群算法的无线Mesh网QoS路由算法研究[J];计算机系统应用;2011年07期
7 周伦钢;;基于蚁群算法的粮食应急调度研究[J];电脑知识与技术;2011年19期
8 刘广聪;邬欢欢;郑慧君;;基于蚁群优化的无线传感器网络QoS路由[J];计算机工程与应用;2011年20期
9 潘佳梁;衣同胜;李兵;;基于蚁群算法的雷达系统测试序列优化研究[J];计算机与数字工程;2011年07期
10 计三有;王星;;基于蚁群算法的图书物流中心配送路径规划[J];湖北工业大学学报;2011年04期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
中国重要报纸全文数据库 前2条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年
中国博士学位论文全文数据库 前10条
1 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
2 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
3 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
4 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
5 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
6 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
7 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
8 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
9 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
10 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
中国硕士学位论文全文数据库 前10条
1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026