收藏本站
《东南大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

基于蚁群优化算法的若干问题的研究

燕忠  
【摘要】: 蚁群优化算法是一种近年来才发展起来的新颖的仿生型的智能优化算法,具有正反馈、分布计算和启发性搜索等特点。作为计算智能和群智能的重要分支之一,蚁群优化算法的研究方兴未艾,备受瞩目。蚁群优化算法的思想来源于我们真实世界中的蚂蚁群体的智能特性。在现实生活中,单个蚂蚁并不具备将食物以最短的路径运回到蚁巢的智能行为,然而由许多蚂蚁所构成的蚂蚁群体在经过一段时间的调整以后,通过个体之间的相互配合与协作,最后能够使整个蚁群沿着某条最短的路径将食物搬回到蚁巢。 本文以研究典型的NP问题——旅行商问题入手,对蚁群优化算法的发展背景、内容、实现方法和性能作了详细介绍,对该算法本身进行了深入研究,提出了自己的改进方案,同时,对算法的应用进行了推广。本文在蚁群优化算法的研究中主要作了如下几点独创性的工作: 1.针对蚁群优化算法中信息素强度在蚁群之间起通讯、协作的关键作用,提出了利用全局和局部最优解来增强优质个体所走路径上的信息素强度的方案。仿真结果表明,这种增强型蚁群优化算法比标准的蚁群优化算法和其他优化算法在执行效率和稳定性上要高。 2.在运用蚁群优化算法解决中国旅行商问题的过程中,提出了增大那些没有被访问到城市节点将被搜索到的概率的改进方法Ant_F和在演化后期适当增大系统区分信息素含量对比强度的方法ACS+。实验结果表明Ant_F能够增强系统的搜索能力,而ACS+具有加快系统收敛的特性。 3.根据蚁群优化算法寻找路径的特点,提出了运用蚁群优化算法进行迷宫路径的搜索的新方法,并将它拓展到交通路由寻优问题上,给出了阶段性的研究结果,同时对解决交通网络路由问题的研究方案进行了设想。 4.如何寻找最优特征脸,提高系统的人脸识别率,是一个NP优化问题。本文提出了利用蚁群优化算法进行人脸特征选择,用支持向量机进行学习和识别的人脸识别方法,提高了系统人脸识别率。 5.给定一氨基酸序列,找出蛋白质的最低能量构象,也是一个非常典型的组合优化问题。解决这个问题,具有十分重要的意义。针对HP蛋白质折叠模型,提出了动态繁殖的蚁群优化算法,成功地解决了大部分的HP蛋白质序列的折叠构象。
【关键词】:蚁群优化算法 旅行商问题 支持向量机 特征选择 蛋白质折叠
【学位授予单位】:东南大学
【学位级别】:博士
【学位授予年份】:2005
【分类号】:TP301.6
【目录】:
  • 摘要4-5
  • Abstract5-8
  • 第一章 绪论8-27
  • 1.1 人工智能8-10
  • 1.2 计算智能10
  • 1.3 群智能10-11
  • 1.4 智能优化技术11-25
  • 1.4.1 计算复杂性12-13
  • 1.4.2 智能优化新方法13-25
  • 1.5 研究内容与论文结构安排25-27
  • 第二章 蚁群优化算法的原理及研究27-50
  • 2.1 自然蚂蚁的智能特点27-28
  • 2.2 人工蚂蚁的模型28-29
  • 2.3 蚂蚁系统29-33
  • 2.3.1 旅行商问题29
  • 2.3.2 蚂蚁系统29-31
  • 2.3.3 蚂蚁系统的实现步骤31-32
  • 2.3.4 算法复杂度分析32-33
  • 2.4 蚁群优化算法33-36
  • 2.4.1 蚁群优化算法的实现33-35
  • 2.4.2 蚁群优化算法的特点35
  • 2.4.3 蚁群优化算法的收敛性35-36
  • 2.5 蚁群优化算法中参数的设置36-37
  • 2.6 信息素的增强37-40
  • 2.7 几种改进的算法40-44
  • 2.8 中国旅行商问题44-48
  • 2.9 小结48-50
  • 第三章 蚁群优化算法在迷宫最短路径问题中的应用50-66
  • 3.1 迷宫最短路径问题50-51
  • 3.2 蚁群优化算法解决迷宫最短路径问题51-55
  • 3.3 交通路由问题55-59
  • 3.4 基于蚁群智能特点的算法在智能交通系统中应用的设想59-65
  • 3.4.1 传统的路径选择算法59-60
  • 3.4.2 三种典型的基于蚁群智能的模型和算法60-63
  • 3.4.3 在交通问题中应用的设想63-65
  • 3.4.5 实现的困难65
  • 3.5 小结65-66
  • 第四章 基于蚁群智能的人脸特征选择66-85
  • 4.1 特征选择的基本概念66-69
  • 4.2 人脸识别技术69-72
  • 4.3 主成元分析72-74
  • 4.4 支持向量机74-76
  • 4.5 基于蚁群智能的人脸性别特征选择76-79
  • 4.6 基于蚁群智能和支持向量机的人脸性别识别系统79
  • 4.7 人脸性别识别实验结果分析79-80
  • 4.8 基于蚁群智能和支持向量机的人脸识别系统80-81
  • 4.9 人脸识别实验结果及分析81-84
  • 4.10 小结84-85
  • 第五章 解决HP蛋白质折叠问题的动态繁殖的蚁群优化算法85-104
  • 5.1 蛋白质85-86
  • 5.2 蛋白质折叠86-89
  • 5.3 蛋白质HP格点模型89-90
  • 5.4 现存方法90-91
  • 5.5 动态繁殖的蚁群优化算法91-94
  • 5.6 实验结果94-103
  • 5.7 小结103-104
  • 第六章 结论104-106
  • 致谢106-107
  • 参考文献107-120
  • 博士期间发表论文120-121
  • 博士学位论文简况表121-123
  • 指导教师简况表123-124
  • 作者简况表124

【相似文献】
中国期刊全文数据库 前10条
1 桂红霞;;基于遗传算法的加权支持向量机的短期电力负荷预测[J];工业控制计算机;2010年05期
2 戴平;李宁;;一种基于SVM的快速特征选择方法[J];山东大学学报(工学版);2010年05期
3 接标,刘冠晓,冯乔生;统计模式识别的研究[J];云南师范大学学报(自然科学版);2005年06期
4 李桂林;赵晖;;基于二次特征选择和支持向量机的面部表情识别[J];电脑知识与技术;2008年36期
5 于咏霞;杨阳;余生晨;;基于免疫算法和支持向量机的入侵检测研究[J];华北科技学院学报;2009年01期
6 李正;倪远平;刘迪;王海鹏;;实蝇图像识别中的形态特征提取研究[J];计算机仿真;2011年07期
7 李正;倪远平;刘迪;王海鹏;;实蝇图像识别中的形态特征提取研究[J];机械与电子;2010年S1期
8 蒋维;钟小强;陈开;李炎;;基于优化的支持向量机的机械设备多故障诊断模型[J];计算机应用与软件;2009年01期
9 郭璇;杨晓元;;一种综合使用支持向量机和遗传算法的隐藏图像检测方法[J];武警工程学院学报;2009年04期
10 张岐龙;单甘霖;段修生;刘谊露;;基于特征空间中类别可分性判据的特征选择[J];火力与指挥控制;2010年06期
中国重要会议论文全文数据库 前10条
1 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
2 王浩畅;赵铁军;刘延力;于浩;;生物医学文本中命名实体识别的智能化方法[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年
3 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
4 李占潮;周漩;戴宗;邹小勇;;基于一级结构信息预测蛋白质与蛋白质相互作用[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
5 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
6 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
7 章小强;管霖;;基于蚁群算法的暂态稳定评估输入特征的识别[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
8 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
9 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
中国重要报纸全文数据库 前10条
1 周晓娟;TD已过分水岭[N];通信产业报;2008年
2 天相投顾 闻群王聃聃;选基金需考虑风险承受力[N];中国证券报;2007年
3 孙志伟;刘刚检查城防林建设[N];齐齐哈尔日报;2008年
4 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年
5 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 海通证券 娄静吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 华泰证券 吴璟;权证投资:只买对的,不买便宜的[N];上海证券报;2008年
10 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
中国博士学位论文全文数据库 前10条
1 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
2 张颖;基于群集智能模式识别方法的研究[D];大连理工大学;2008年
3 陈祖云;煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D];中国矿业大学;2009年
4 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
5 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
6 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
7 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
8 韦娜;基于内容图像检索关键技术研究[D];西北大学;2006年
9 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 王燕;语音隐写分析技术研究[D];华北电力大学(河北);2009年
2 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
3 高永岗;医学图像的语义标注技术研究与应用[D];西北大学;2009年
4 杜圣东;基于多类支持向量机的文本分类研究[D];重庆大学;2007年
5 付建文;小波域语音隐藏信息检测方法研究[D];华北电力大学(河北);2008年
6 宋羚;基于多目标遗传算法和SVM的特征选择方法[D];华中科技大学;2007年
7 马宏伟;基于SVM的中文文本分类系统的建模与实现[D];大连理工大学;2006年
8 张洪军;基于SVM的电子邮件分类系统研究[D];山东师范大学;2007年
9 杨霞;基于SVM和D-S理论的垃圾邮件过滤研究[D];江苏大学;2008年
10 曹彦;基于支持向量机的特征选择及其集成方法的研究[D];郑州大学;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