收藏本站
《福州大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

蜂群算法应用研究

王耀辉  
【摘要】:计算机科学、管理科学、经济学和控制工程领域等很多问题都归结为解决最优化问题,启发式群智能算法是通过模拟自然界生物的群体行为而设计的全局优化算法,它不需要问题特殊信息,而且优化效果明显,已经成为解决全局优化问题的新的途径,因此也是学术界长期的研究热点。人工蜂群(ABC)算法是一种新的仿生群体智能优化技术。它主要模拟的是蜜蜂觅食行为。ABC的主要的特性之一就是劳动分工,蜂群主要由雇佣蜂和跟随蜂和侦查蜂组成,它们个体简单,但却能通过群体协作体现高度智能,有效找到食物源,即蜜源。ABC每次迭代都进行开发和开采,很好的平衡了全局搜索和局部搜索。这特点使它成为一个简单的、健壮的、有效的算法。基于原始ABC的聚类算法有早期收敛较慢和后期容易陷入局部最优的问题。针对这一问题,本文首先采用莫来小波的特性,在ABC中加入基于小波的变异算子,用于划分的聚类中,从而克服算法能跳出局部解。针对几个数据集的实验结果表明,带有小波变异的ABC聚类算法是有效的,优于基本ABC聚类。聚类分析是用在许多领域中基本且十分重要的技术,如数据挖掘、机器学习、模式识别、图像分析、信息检索和生物信息学。传统聚类方法是基于爬山法搜索,对初始中心敏感,且易于陷入局部最优解。ABC最初是用于连续优化问题,本文采用离散人工蜂群算法数据聚类问题。实验结果表明,离散蜂群算法对于实验数据集聚类是有效的。近几十年半监督学习成为一个学术热门课题。现实生活中有越来越多的数据,而且很多都是无类标签的,同时要给数据加类标签可能要较高的花费,而结合专家或用户经验给数据增加约束对就相对可行,于是其中基于成对约束的聚类研究吸引越来越多的研究者,包括算法研究和将其应用到许多其它领域。传统的约束对聚类对于初始赋值敏感,可能会过约束而导致不收敛,常常会停滞于局部最优解。最初的人工蜂群算法是解决无约束问题,近年来学者开始了对约束蜂群优化算法的研究,本文最后探索了人工蜂群算法在约束聚类中的应用。对实验数据集测试显示它明显提高了聚类正确率。相对于传统的约束聚类算法,当约束对较少时,ABC能较有效地求解约束聚类问题。
【学位授予单位】:福州大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 王靖亚;;算法结构对其性能的影响研究[J];中国人民公安大学学报(自然科学版);2005年04期
2 Белый А.А.;к.Ф.-м.н.Бовбелъ Е.И.;к.т.н.Микулович В.И.;张至德;;快速付立叶变换的各种算法及其特性[J];现代雷达;1981年01期
3 何璞,张平;分裂基算法的讨论[J];现代电子技术;2003年18期
4 李玉峰;一种利用符号算法的自适应图象位移估计算法[J];电子学报;1991年04期
5 王威;胡斌;董鹏;杨超;;军械调运方案优化算法的设计与仿真[J];微计算机信息;2006年19期
6 宋杨;张玉清;;结构化比对算法研究及软件实现[J];中国科学院研究生院学报;2009年04期
7 鄢靖丰;;一种改进的人工蜂群算法及其应用研究[J];许昌学院学报;2013年02期
8 程渭吕;通信及信号处理用的新算法[J];上海航天;1985年01期
9 杨世达;易亚林;单志勇;李庆华;;蜜蜂进化型的类电磁机制算法[J];计算机工程与应用;2013年06期
10 郭福顺 ,高铁军;抽象数据型与一类表达式的化简[J];哈尔滨工业大学学报;1985年A3期
中国重要会议论文全文数据库 前9条
1 刘明兰;王玲琍;曾春年;钟绍华;张俊;;双模自组织Fuzzy-Dahlin算法研究[A];1997中国控制与决策学术年会论文集[C];1997年
2 胡海清;;序列最小优化及其改进算法[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年
3 王春厚;许都;孙健;;一种降低误判率的BF快速匹配算法结构[A];2010年全国通信安全学术会议论文集[C];2010年
4 桑红燕;潘全科;任立群;;解决单机准时排序问题的差异进化算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
5 周川;张璐;陈庆伟;;基于神经网络PID的智能AQM新算法[A];第二十七届中国控制会议论文集[C];2008年
6 陈小林;赵建;王延杰;;多模实时跟踪算法研究[A];第七届全国信息获取与处理学术会议论文集[C];2009年
7 傅荟璇;王宇超;孙枫;;融合Kalman滤波的自适应带宽Mean Shift算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
8 羌磊;肖田元;宋士吉;;多种群模式协同搜索贝叶斯优化算法[A];第25届中国控制会议论文集(中册)[C];2006年
9 阮秀凯;张志涌;;一种基于支持向量回归的盲恢复新算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前9条
1 陈贵涛;基于CMAES杂交算法的钢筋混凝土框架结构优化设计研究[D];华南理工大学;2014年
2 杜新鹏;联合稀疏恢复新型算法及其应用研究[D];国防科学技术大学;2013年
3 李向涛;进化算法研究及其在化学信息学中的应用[D];东北师范大学;2015年
4 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
5 郑友莲;面向模糊车间调度问题的智能算法研究[D];武汉大学;2011年
6 高健;分布式环境的同顺序流水作业问题求解算法研究[D];大连海事大学;2013年
7 毕云龙;自适应声学回声抑制算法研究及其VLSI芯片设计[D];哈尔滨工业大学;2010年
8 赵立权;ICA算法及其在阵列信号处理中的应用研究[D];哈尔滨工程大学;2009年
9 邹德旋;启发式算法及其在工程优化中的应用[D];东北大学;2011年
中国硕士学位论文全文数据库 前10条
1 和梦思;粒子群进化算法的改进及应用[D];深圳大学;2015年
2 钱诚;快速超分辨波达方向估计算法研究[D];哈尔滨工业大学;2015年
3 王金明;基于AES和LSB算法的信息隐藏模块研究与设计[D];贵州大学;2015年
4 许峥;自适应PID算法在减水剂生产控制中的研究与实现[D];北京工业大学;2015年
5 贾宁宁;复杂网络中社团发现算法研究及应用[D];石家庄铁道大学;2015年
6 庞德艳;非光滑方程的算法及其应用[D];青岛大学;2015年
7 李倩;基于膜计算的黑洞聚类算法研究[D];西华大学;2015年
8 刘建;无线传感器网络链式路由算法[D];广西师范大学;2015年
9 杨葛;基于本体的程序代码资源算法结构关联研究[D];东华大学;2013年
10 褚夫飞;基于改进人工蜂群算法的分散式风功率预测方法研究[D];东北大学;2014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