本文關(guān)鍵詞：一種改進(jìn)的人工蜂群算法及其在k均值聚類中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：人工蜂群(Artificial Bee Colony, ABC)算法作為一種新型的群智能優(yōu)化算法,近十年發(fā)展十分迅速。算法的生物模型是受到蜜蜂在采蜜過程中,蜂群所表現(xiàn)出來的相互協(xié)作的智能行為的啟發(fā)。通過對(duì)整個(gè)采蜜過程的抽象,提煉出人工蜂群算法,用來解決現(xiàn)實(shí)生活中的實(shí)際問題。由于人工蜂群算法具有算法實(shí)現(xiàn)簡(jiǎn)單、搜索精度高、魯棒性較強(qiáng)等特點(diǎn),且與經(jīng)典的優(yōu)化算法相比求解質(zhì)量較好等,2005年由土耳其學(xué)者Karaboga提出,很快引起了眾多學(xué)者的廣泛關(guān)注,人工蜂群算法已經(jīng)應(yīng)用于旅行商問題、人工神經(jīng)網(wǎng)絡(luò)、無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署、調(diào)度問題等眾多領(lǐng)域,并且取得了較好的成果,研究者們還在試圖將算法應(yīng)用到更多新的領(lǐng)域。人工蜂群算法作為一種新型的算法,算法還處于初級(jí)階段,算法模型還不是很完善,在應(yīng)用時(shí)也會(huì)表現(xiàn)出許多不足之處,在面對(duì)比較復(fù)雜的優(yōu)化問題的時(shí),算法容易“早熟”和陷入局部最優(yōu)等問題。因此,研究者們開始探究如何在理論上對(duì)基本人工蜂群算法改進(jìn),在應(yīng)用領(lǐng)域方面拓展其適用范圍等問題。以下是本文做的主要工作：一、從全面優(yōu)化算法性能的角度出發(fā),針對(duì)基本人工蜂群算法的不足,本文提出了一種改進(jìn)的人工蜂群算法。改進(jìn)主要有兩點(diǎn)：1.在種群的初始化階段,本文采用基于反向?qū)W習(xí)的策略改善初始種群,根據(jù)概率論原理,初始解是隨機(jī)產(chǎn)生的,那么相反解有50%的概率更接近所求問題的最優(yōu)解,因此,為了增加種群的多樣性,加快收斂速度,算法選擇二者中更優(yōu)的個(gè)體作為初始種群。2.對(duì)蜜源更新公式的改進(jìn)�；救斯し淙核惴ǖ拿墼锤鹿绞窃谀繕�(biāo)蜜源領(lǐng)域內(nèi)隨機(jī)搜索一個(gè)新蜜源,這樣的搜索過于盲目,從而導(dǎo)致收斂速度較慢,本文借鑒于差分進(jìn)化(DE)算法思想,將算法的變異策略融入到人工蜂群(ABC)算法中,在尋找新蜜源的時(shí)候以鄰居蜜源作為向?qū)?并引入隨機(jī)錯(cuò)位交叉策略吸收其他維度上的有利信息,此外,引入自適應(yīng)調(diào)整策略。改進(jìn)后的算法,在更新蜜源時(shí)搜索更有目的性,提高了算法的收斂速度,并且引入的自適應(yīng)動(dòng)態(tài)調(diào)整變量很好的平衡了算法的開發(fā)能力和搜索能力。為了證明改進(jìn)的算法更好,在參數(shù)設(shè)置相同的前提下,用改進(jìn)的算法、基本算法以及其他具有代表性的改進(jìn)算法分別優(yōu)化了一組標(biāo)準(zhǔn)測(cè)試函數(shù),并對(duì)比分析了實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)表明,改進(jìn)的算法函數(shù)優(yōu)化精度更高。二、將經(jīng)過上述兩點(diǎn)改進(jìn)的人工蜂群算法(DEF-ABC)用于優(yōu)化K均值聚類算法。K-means算法是聚類過程中常用的算法,因算法原理通俗易懂、算法操作易于實(shí)現(xiàn),因此已有廣泛的應(yīng)用,但是該算法在對(duì)數(shù)據(jù)集進(jìn)行優(yōu)化過程中,對(duì)初始聚類中心的選擇有較強(qiáng)的依賴性,使算法具有易陷入局部最優(yōu)解的缺點(diǎn),本文用己經(jīng)通過實(shí)驗(yàn)證明較ABC算法更具優(yōu)勢(shì)的DEF-ABC算法,對(duì)K-means算法的聚類過程進(jìn)行優(yōu)化,以期待有更好的聚類效果。在設(shè)計(jì)實(shí)驗(yàn)環(huán)節(jié),選取了UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中幾組標(biāo)準(zhǔn)測(cè)試函數(shù),同時(shí)和一些常用的優(yōu)化方法進(jìn)行了分析、比較。
【關(guān)鍵詞】：人工蜂群算法 錯(cuò)位交叉 變異 K-means算法 自適應(yīng)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18
【目錄】：

• 摘要3-5
• Abstract5-10
• 第一章 緒論10-15
• 1.1 課題研究的背景和意義10-11
• 1.2 人工蜂群算法的研究現(xiàn)狀11-13
• 1.3 本文主要研究?jī)?nèi)容13-14
• 1.4 論文框架14-15
• 第二章 基本人工蜂群算法及術(shù)語15-26
• 2.1 引言15
• 2.2 人工蜂群算法的生物模型15-16
• 2.3 蜜蜂采蜜過程和常見術(shù)語16-18
• 2.4 人工蜂群算法的基本思想18-19
• 2.5 人工蜂群算法的具體步驟19-22
• 2.5.1 初始化階段19-20
• 2.5.2 引領(lǐng)蜂階段20-21
• 2.5.3 跟隨蜂階段21
• 2.5.4 偵察蜂階段21-22
• 2.6 人工蜂群算法流程22-23
• 2.7 時(shí)間復(fù)雜度分析23
• 2.8 人工蜂群算法的特點(diǎn)23-25
• 2.8.1 系統(tǒng)性23-24
• 2.8.2 分布性24
• 2.8.3 自組織性24
• 2.8.4 反饋性24-25
• 2.9 總結(jié)25-26
• 第三章 基于差分進(jìn)化的人工蜂群算法26-34
• 3.1 引言26
• 3.2 差分進(jìn)化算法26-27
• 3.2.1 差分進(jìn)化算法概況26
• 3.2.2 差分進(jìn)化算法流程26-27
• 3.3 改進(jìn)的蜜源更新公式27-28
• 3.4 改進(jìn)初始化種群28-29
• 3.5 改進(jìn)算法的具體步驟29-30
• 3.6 實(shí)驗(yàn)結(jié)果與分析30-33
• 3.6.1 測(cè)試函數(shù)及參數(shù)設(shè)置30-31
• 3.6.2 改進(jìn)算法的對(duì)比試驗(yàn)31-33
• 3.7 總結(jié)33-34
• 第四章 基于改進(jìn)人工蜂群算法的K-means聚類算法34-40
• 4.1 引言34
• 4.2 K-means聚類算法概述34-35
• 4.3 基于改進(jìn)人工蜂群算法的K-means算法描述35-36
• 4.4 實(shí)驗(yàn)仿真與分析36-39
• 4.4.1 實(shí)驗(yàn)數(shù)據(jù)集36-37
• 4.4.2 實(shí)驗(yàn)結(jié)果和性能評(píng)價(jià)37-39
• 4.5 總結(jié)39-40
• 第五章 總結(jié)與展望40-42
• 5.1 論文工作總結(jié)40
• 5.2 未來展望40-42
• 參考文獻(xiàn)42-47
• 致謝47

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄒汪平;;一種基于網(wǎng)絡(luò)安全控制的蜂群算法應(yīng)用研究[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

2 李向偉;曹博;;時(shí)間參數(shù)在HITS算法中的應(yīng)用及改進(jìn)[J];蘭州工業(yè)高等�？茖W(xué)校學(xué)報(bào);2006年02期

3 吳濤;彭篤學(xué);;一種改進(jìn)的直線段裁剪算法[J];湛江師范學(xué)院學(xué)報(bào);2008年03期

4 張瑞子;南琳;胡琨元;田景賀;;基于EPC Class-1 Gen-2標(biāo)準(zhǔn)的防沖突算法與改進(jìn)[J];計(jì)算機(jī)工程;2009年02期

5 黃超;周寧;倪佑生;;基于蟻群算法的攻擊圖分析[J];計(jì)算機(jī)工程;2009年18期

6 秦永彬;許道云;;警示傳播算法的原理分析及算法改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 郭毅可;韓銳;;云計(jì)算中的彈性算法:概要和展望[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

8 牛玉靜;唐棣;;雙步圓的反走樣生成算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年23期

9 肖璞;;XML索引更新算法的改進(jìn)[J];南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

10 周駿;陳鳴;張佳明;;兩類頻繁項(xiàng)算法在網(wǎng)絡(luò)流上的適用性評(píng)估[J];計(jì)算機(jī)工程;2011年16期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)——2004年學(xué)術(shù)年會(huì)論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)2004年學(xué)術(shù)年會(huì)論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進(jìn)的Apriori算法的研究[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實(shí)現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

5 趙唯;;晶粒度評(píng)級(jí)的改進(jìn)算法[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會(huì)論文集[C];1998年

6 劉啟文;;可擴(kuò)展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)25周年紀(jì)念會(huì)暨2011年學(xué)術(shù)年會(huì)論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計(jì)算機(jī)學(xué)會(huì)2009年年會(huì)論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鐘永騰;基于近場(chǎng)MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測(cè)研究[D];南京航空航天大學(xué);2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 苗義烽;突發(fā)事件下的列車運(yùn)行調(diào)度模型與算法研究[D];中國鐵道科學(xué)研究院;2015年

4 單美靜;求解非線性實(shí)代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學(xué);2008年

5 邱劍鋒;人工蜂群算法的改進(jìn)方法與收斂性理論的研究[D];安徽大學(xué);2014年

6 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學(xué);2014年

7 陳俊波;頻繁閉合項(xiàng)集挖掘算法及應(yīng)用研究[D];浙江大學(xué);2009年

8 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

9 范洪博;快速精確字符串匹配算法研究[D];哈爾濱工程大學(xué);2011年

10 寇曉麗;群智能算法及其應(yīng)用研究[D];西安電子科技大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 安世勇;命題邏輯中隨機(jī)3-SAT問題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競(jìng)爭(zhēng)性出讓系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機(jī)與線路固定設(shè)施間距檢測(cè)算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺(tái)開發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學(xué);2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學(xué);2015年

8 張路奇;基于改進(jìn)蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長(zhǎng)安大學(xué);2015年

10 信琴琴;手勢(shì)控制和識(shí)別算法研究[D];閩南師范大學(xué);2015年

  本文關(guān)鍵詞：一種改進(jìn)的人工蜂群算法及其在k均值聚類中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：331947