發(fā)布時(shí)間：2021-08-15 04:35

　　常規(guī)的聚類算法由于不具備全局性的分析能力,導(dǎo)致企業(yè)效率提升效果較差。為此,研究蟻群優(yōu)化聚類算法在企業(yè)效率提升方面的應(yīng)用。該算法在論域空間建立最大近鄰粗糙集,獲取影響企業(yè)效率提升的因素基本特征;通過設(shè)置蟻群算法二維網(wǎng)格定義相似度參數(shù),計(jì)算數(shù)據(jù)的撿拾概率和遺棄概率;根據(jù)算法的4個(gè)聚類階段,實(shí)現(xiàn)對(duì)企業(yè)資源的合理分配,從而提升企業(yè)效率。實(shí)驗(yàn)結(jié)果表明:與3種常規(guī)方法相比,所提算法具有極強(qiáng)的全局性分析能力,因而在企業(yè)效率提升方面的應(yīng)用效果更佳。由此可見,蟻群優(yōu)化聚類算法的應(yīng)用更能滿足企業(yè)的發(fā)展現(xiàn)狀。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(17)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

粗糙集特征提取過程

根據(jù)特征數(shù)據(jù)qi(xi)定義影響因素相似度，從而計(jì)算影響因素的撿拾和遺棄概率。選取兩個(gè)可用范數(shù)，在向量y1和y2之間設(shè)置一個(gè)相似度，用g(y1,y2)表示。對(duì)于一些實(shí)值向量，采用歐幾里得距離作為兩個(gè)向量間的相似度度量依據(jù)，形成兩個(gè)極值化的組間距離，即最大距離之間被完全分割，最小距離之間的數(shù)據(jù)向量間距極小，形成稠密緊湊的數(shù)據(jù)組[8]。將特征數(shù)據(jù)以節(jié)點(diǎn)的形式放置到二維網(wǎng)格上，如圖2所示。圖2中的帶框區(qū)域是對(duì)最小距離的標(biāo)注，其他則為隨意距離和最大距離節(jié)點(diǎn)。在觀察不同路徑的周圍區(qū)域時(shí)，通過該算法建立一個(gè)捕獲位置節(jié)點(diǎn)d，對(duì)周圍網(wǎng)格所示的n×n區(qū)域獲取最優(yōu)路徑，得到最優(yōu)相似度參數(shù)[9]。假設(shè)螞蟻在t0時(shí)刻所處的位置為d，對(duì)具有同樣相似特征數(shù)據(jù)的路徑進(jìn)行串聯(lián)，得到的相似度結(jié)果為：

根據(jù)撿拾概率得到可以提升企業(yè)效率的因素，設(shè)蟻群為ant M，該算法中的螞蟻數(shù)量為M，每個(gè)螞蟻的所在位置均為一個(gè)m維的向量，可表示為antρ(t)，其中，1≤ρ≤M，且ρ為自然數(shù)[12-13]。令蟻群從圖2中的任意位置展開搜索，即對(duì)antρ1(t),antρ2(t),…,antρn(t)初始賦值；然后允許螞蟻在設(shè)定范圍內(nèi)自由搜索，讓antρ(t)值在n次迭代中不斷變化，直到完成聚類。該因素聚類過程可分為如圖3所示的4個(gè)階段[14]。根據(jù)聚類結(jié)果，得到影響因素的最優(yōu)目標(biāo)函數(shù)，經(jīng)計(jì)算得出影響因素的最大指標(biāo)。企業(yè)可根據(jù)該指標(biāo)在產(chǎn)品生產(chǎn)與加工環(huán)節(jié)、人力資源使用環(huán)節(jié)以及企業(yè)管理體系等方面做出嚴(yán)格調(diào)整，設(shè)置效率最大化的企業(yè)管理模式，實(shí)現(xiàn)蟻群優(yōu)化聚類算法在企業(yè)效率提升方面的應(yīng)用效果，促進(jìn)企業(yè)協(xié)調(diào)發(fā)展[15]。

【參考文獻(xiàn)】：
期刊論文
[1]基于大數(shù)據(jù)的激光光柵數(shù)據(jù)特征挖掘算法[J]. 唐新宇,張新政.  激光雜志. 2019(07)
[2]一種面向流量異常檢測(cè)的概率流抽樣方法[J]. 董書琴,張斌.  電子與信息學(xué)報(bào). 2019(06)
[3]基于改進(jìn)蟻群算法的SDN網(wǎng)絡(luò)負(fù)載均衡研究[J]. 鄭本立,李躍輝.  計(jì)算機(jī)科學(xué). 2019(S1)
[4]動(dòng)態(tài)環(huán)境下改進(jìn)蟻群算法的多Agent路徑規(guī)劃[J]. 鄭延斌,王林林,席鵬雪,樊文鑫,韓夢(mèng)云.  計(jì)算機(jī)工程與科學(xué). 2019(06)
[5]基于啟發(fā)式機(jī)制的改進(jìn)蟻群算法[J]. 朱艷,游曉明,劉升.  信息與控制. 2019(03)
[6]中國光伏上市企業(yè)效率的實(shí)證分析——基于IAHP保證域的DEA模型[J]. 劉層層,李南,張欽.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(05)
[7]基于聚類算法和粗糙集理論的分布式電源狀態(tài)約簡(jiǎn)[J]. 趙曉君,張立梅,杜坤.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2019(05)
[8]結(jié)合信息熵的多種群博弈蟻群算法[J]. 陳佳,游曉明,劉升,李娟.  計(jì)算機(jī)工程與應(yīng)用. 2019(16)
[9]基于改進(jìn)蟻群的BP神經(jīng)網(wǎng)絡(luò)WSN數(shù)據(jù)融合算法[J]. 余修武,劉琴,李向陽,張可,肖人榕.  北京郵電大學(xué)學(xué)報(bào). 2018(04)
[10]基于抖動(dòng)策略優(yōu)化的云計(jì)算安全調(diào)度方案[J]. 劉欣.  控制工程. 2018(05)



本文編號(hào)：3343863