本文關(guān)鍵詞：差分進化算法的改進及其在聚類中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：差分進化算法(Differential Evolution Algorithm,簡稱DE算法)是一種新興的進化算法,采用基于差分的變異策略,具有獨特的記憶功能能夠動態(tài)跟蹤當(dāng)前搜索情況.其原理簡單,便于實現(xiàn),具有較強的收斂能力和魯棒性,能夠有效地處理復(fù)雜優(yōu)化問題且不依賴問題的具體特征.目前,差分進化算法已在眾多領(lǐng)域中得到了廣泛的應(yīng)用,其研究成果已涉及到多個相關(guān)學(xué)科.變異策略對差分進化算法的成功與否起到至關(guān)重要的作用.然而,方向信息在DE變異策略的設(shè)計當(dāng)中并沒有被充分地挖掘,且對于如何平衡進化速度和種群多樣性這兩者之間的矛盾也沒有得到很好的解決方案.本論文研究了個體在進化選擇操作前后產(chǎn)生的差量信息在變異操作上的導(dǎo)向作用,提出了一種新的基于進化方向的變異策略"DE/current-to-pbest/1/Gvector".同時,為了測試我們這種新的方向信息能否提高算法的優(yōu)化能力,我們在自適應(yīng)差分進化算法JADE的基礎(chǔ)上提出了一種新的算法DVDE.本文對CEC 2005常用的25個測試函數(shù)做了仿真實驗,實驗結(jié)果證明DVDE的算法平均性能優(yōu)于其他5個目前來說性能最好的DE算法(JADE,SaDE, CoDE,jDE, EPSDE),特別是對于單峰函數(shù),效果更為明顯.實驗結(jié)果也說明進化方向的加入對于提高算法的收斂速度以及保護種群的多樣性避免算法過早陷入局部最優(yōu)起到了較好的作用.K-means算法是一種典型的劃分式聚類算法,對于大型數(shù)據(jù)集的處理十分的有效.但是,K-means算法需要事先確定聚類個數(shù).本論文將改進的DVDE算法用于K-means聚類,提出了一個新的基于DVDE的自動聚類算法(AC-DVDE).首先,本文采用雙交叉策略,在傳統(tǒng)的兩點式交叉操作之后,針對DE用于自動聚類時的特定的編碼方式,添加了一種基于個體間聚類中心隨機交換交叉策略;其次,針對聚類中心選取方法的隨機性導(dǎo)致的聚類中心有可能偏離數(shù)據(jù)集或者聚類中心過于集中的缺陷做出了相關(guān)改進,通過先對聚類中心進行篩選在進行聚類,有效避免了因算法本身的隨機性導(dǎo)致的錯誤聚類劃分.通過對UCI的4個數(shù)據(jù)集的仿真實驗比較,該種雙交叉操作的聚類算法明顯好于同類算法.
【關(guān)鍵詞】：差分進化算法 變異策略 進化方向 K-means聚類算法
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP311.13
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-16
• 1.1 研究背景及意義11-12
• 1.2 研究現(xiàn)狀12-14
• 1.2.1 差分進化算法的研究現(xiàn)狀12-13
• 1.2.2 K-means算法的研究現(xiàn)狀13-14
• 1.3 本文的主要研究內(nèi)容14-15
• 1.4 本文的寫作框架15-16
• 第二章 差分進化算法16-23
• 2.1 引言16
• 2.2 標(biāo)準(zhǔn)的差分進化算法16-18
• 2.3 差分進化算法的改進研究18-21
• 2.3.1 控制參數(shù)的研究19-20
• 2.3.2 變異策略研究20-21
• 2.4 本章小結(jié)21-23
• 第三章 基于進化方向的差分進化算法23-40
• 3.1 引言23
• 3.2 JADE算法23-24
• 3.3 變異策略的改進24-28
• 3.3.1 基于進化方向的變異策略26-28
• 3.3.2 相關(guān)說明28
• 3.4 實驗仿真及結(jié)果分析28-39
• 3.4.1 測試函數(shù)28
• 3.4.2 實驗參數(shù)設(shè)置28-30
• 3.4.3 算法性能好壞的評價標(biāo)準(zhǔn)30-32
• 3.4.4 仿真結(jié)果分析32-39
• 3.5 本章小結(jié)39-40
• 第四章 聚類40-47
• 4.1 聚類概念及聚類的一般過程40-41
• 4.2 相似性度量準(zhǔn)則41-42
• 4.3 聚類準(zhǔn)則函數(shù)42-44
• 4.4 聚類算法的分類44-45
• 4.5 K-means算法45-46
• 4.6 本章小結(jié)46-47
• 第五章 改進的差分進化算法在聚類中的應(yīng)用47-54
• 5.1 引言47-48
• 5.2 ACDE算法48
• 5.2.1 個體的編碼表示方法48
• 5.2.2 聚類準(zhǔn)則函數(shù)48
• 5.3 基于DVDE的自動聚類算法48-51
• 5.3.1 基于完整聚類中心的交叉操作49-50
• 5.3.2 聚類中心的篩選50-51
• 5.4 實驗仿真及結(jié)果分析51-53
• 5.4.1 數(shù)據(jù)來源及參數(shù)設(shè)置51-52
• 5.4.2 結(jié)果評價52-53
• 5.5 本章小結(jié)53-54
• 結(jié)論54-56
• 參考文獻56-61
• 攻讀碩士學(xué)位期間發(fā)表論文61-63
• 致謝63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進化[J];控制與決策;2007年11期

2 楊啟文;蔡亮;薛云燦;;差分進化算法綜述[J];模式識別與人工智能;2008年04期

3 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

4 寧桂英;周永權(quán);;基于優(yōu)進策略的新差分進化算法動力學(xué)模型參數(shù)的估計[J];計算機與應(yīng)用化學(xué);2008年05期

5 譚躍;譚冠政;涂立;;一種新的混沌差分進化算法[J];計算機工程;2009年11期

6 王培崇;錢旭;王月;虎曉紅;;差分進化計算研究綜述[J];計算機工程與應(yīng)用;2009年28期

7 肖術(shù)駿;朱學(xué)峰;;一種改進的快速高效的差分進化算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年11期

8 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進化算法[J];輕工機械;2010年05期

9 王艷宜;;改進差分進化算法及其應(yīng)用[J];機械設(shè)計與研究;2010年05期

10 張照生;羅健旭;;基于差分進化算法的模糊神經(jīng)網(wǎng)絡(luò)控制器[J];計算機與應(yīng)用化學(xué);2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進差分進化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個體排序的差分進化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問題的差分進化算法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內(nèi)經(jīng)濟運行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進的多目標(biāo)差分進化算法研究[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進差分進化算法的脈沖控制方法[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

8 袁沈堅;顧幸生;;基于差分進化的膜計算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會2010年度學(xué)術(shù)年會論文集（自動化專題）[C];2010年

9 姜立強;郭錚;劉光斌;;差分進化算法縮放因子取值策略研究[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進差分進化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 孫浩;差分進化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 謝宇;差分進化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

4 丁青鋒;基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

5 賈東立;改進的差分進化算法及其在通信信號處理中的應(yīng)用研究[D];上海大學(xué);2011年

6 劉榮輝;多階段自適應(yīng)差分進化算法及應(yīng)用研究[D];東華大學(xué);2012年

7 郭鵬;差分進化算法改進研究[D];天津大學(xué);2012年

8 王旭;改進差分進化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

9 董明剛;基于差分進化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

10 王天意;大地電磁迭代有限元與改進差分進化正反演算法研究[D];中國地質(zhì)大學(xué)(北京);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高靜;量子差分進化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

4 江華;差分進化算法的改進及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 周志剛;基于差分進化算法的信用風(fēng)險度量模型研究[D];華中師范大學(xué);2015年

6 任甜甜;差分進化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

7 楊洋;基于差分進化的模糊C-均值聚類算法研究[D];電子科技大學(xué);2015年

8 王丹;基于輔助函數(shù)的自適應(yīng)差分進化算法研究[D];西安電子科技大學(xué);2014年

9 劉家華;基于進化計算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

10 王旦平;圓形對稱振子陣列天線基于差分進化算法的綜合[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：差分進化算法的改進及其在聚類中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：264317