共查询到20条相似文献，搜索用时 470 毫秒
1.
在对K均值算法和图像聚类的蚁群优化算法(ACO)进行对比分析后,本文提出了K均值ACO算法来解决K均值误分类和ACO慢聚敛的问题。K均值ACO算法将K均值的结果当成ACO的启发式信息,如此提高了ACO在蚁群寻找规则方面的光照概率和光照像素,允许蚁群根据信息素集中度而非概率来筛选节点,以致可以在不对ACO的随机搜索质量进行改变的情况下就可以完全获取到启发式信息。对模拟数据和真实数据进行验证后,K均值ACO算法证实可以改善K均值误分类的聚类精确度并提高ACO的收率速度。 相似文献
2.
本文提出蚁群聚类算法的RBFNN模型,并用于电力系统中长期负荷预测.首先,模拟蚂蚁寻找“食物源”的行为,即根据蚂蚁在寻找食物过程中发现“食物源”(聚类中心),蚂蚁就会被“吸引”到食物源周围的特点,应用蚁群优化(ACO)算法,将历史数据聚类分析,得到各类聚类中心位置.其次,当聚类中心确定后,采用递推最小二乘法,训练RBF神经网络的隐含层至输出层之间的权重.最后,通过某电网实际数据,将本文模型与传统RBF模型预测结果进行比较,结果表明本文模型据具有更高的预测精度. 相似文献
3.
4.
数据挖掘是目前信息领域和数据库技术领域的前沿研究课题,它涉及到数理统计、模糊理论、神经网络和人工智能等多种技术,技术含量比较高,实现难度也较大.本文研究了关联规则挖掘技术的基本概念、过程和算法等,为提高数据挖掘效率,提出了基于聚类划分的增量式关联规则挖掘算法.即运用快速聚类方法实现数据划分、运用改进的FP-growth算法实现关联规则的挖掘和运用增量FP-growth挖掘算法实现增量数据挖掘的关联规则挖掘算法. 相似文献
5.
6.
针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高. 相似文献
7.
伊力哈木·亚尔买买提 《科技通报》2013,(9)
针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。 相似文献
8.
针对蚁群算法容易陷入局部最优解的缺陷,提出了一种基于直接通信策略的双态蚁群算法。通过两种状态的蚁群的分工合作,避免了算法收敛过程中的早熟停滞现象;通过设置信息素交流机制,使蚂蚁能在各自的交流范围内与其他蚂蚁交换解的信息,提高解的质量。针对TSP的实验结果表明,该算法在求解精度和稳定性上取得了良好的效果。 相似文献
9.
数据挖掘技术能从海量数据中发现潜在的有用的信息和知识,蚁群算法在处理组合优化问题方面也已取得了较好结果,这就使得将蚁群算法应用于数据挖掘中的前景非常广阔。本文主要讨论了蚁群算法在数据挖掘聚类分析中的研究现状,最后总结了蚁群算法在数据挖掘应用中尚待解决的问题。 相似文献
10.
11.
《科技通报》2016,(6)
基于智能仿生计算的蚁群优化算法在路径规划问题中具有较好的应用前景,通过蚁群算法优化,实现机器人路径规划和应急救援的路径规划等。传统的基于蚁群算法的路径规划在信息素转换中容易导致信息丢失,产生局部收敛,提出一种基于信息素多目标Pareto支配的蚁群优化算法实现路径规划,利用信息素多目标Pareto集合序列的均匀遍历特性和逻辑差分变尺度特征,进行变尺度搜索,根据蚁群优化算法一次次地更新搜索空间,结合负反馈机制,通过蚂蚁的信息素转化进行路径分析,采用Pareto支配集记录下最优的食物源,蚁群在寻找食物过程中,避免了局部寻优和局部收敛,仿真结果表明,采用该算法进行蚁群优化后的路径规划避障效果较好,以较快的收敛速度和较少的迭代次数找到最优路径,收敛性好。 相似文献
12.
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。 相似文献
13.
14.
蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力. 相似文献
15.
蚂蚁算法是一种模仿蚂蚁群体行为的智能化算法.正反馈机制是蚂蚁算法的特点,它使得蚂蚁算法能够较快收敛到问题的最优解,但同时也是蚂蚁算法的缺陷,它使得蚂蚁算法容易陷入局部最优解.ACS和MMAS是两种典型的改进蚂蚁算法,通过引入伪随机概率选择规则和信息素最大、最小限制规则来加快蚂蚁算法收敛速度同时避免陷入局部最优解.目前,针对启发信息的影响进行改进的蚂蚁算法还没有.提出一种基于方向启发信息的改进蚂蚁算法,为蚂蚁算法的改进研究提供了新的思路. 相似文献
16.
17.
针对传统的蚁群算法设计机器人避障路径规划,自适应能力差,全局优化能力和搜索速度不好的问题,在传统算法的基础上,提出一种采用奖惩规则格栅建模的机器人避障规划算法。提出构建模型主体的行为规则和避障规则,通过在栅格环境中设置量子遗传进化的多个有效的行为规则,设计了信息素更新的奖惩规则,修改其路径上的信息素,改变量子本身携带的信息素,得到优化避障最小距离。最终获得了复杂环境下的最优路径。仿真实验表明采用该算法进行机器人避障路径规划,在未知复杂环境下能够快速地规划出安全的优化路径,机器人避障路径规划具有很好的自适应性,相比传统的蚁群算法,其全局优化能力和搜索速度都得到了显著提高。 相似文献
18.
针对标准遗传算法在云计算资源调度的应用中往往会出现负载不均的问题,本文提出了一种基于云计算资源调度的多Agent遗传算法,首先引入蚁群算法,利用蚂蚁变换方向的影响权重对标准遗传算法的信息素关联进行优化,然后优化了原算法的信息素更新方式,最后利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于云计算资源调度的多Agent遗传算法在CPU利用率和内存利用率上比标准遗传算法具有更优秀的性能。 相似文献
19.