基于改进蚁群算法的乒乓球数据挖掘研究

在Ant-Miner算法框架中通过对信息素更新和路径选择概率等策略的改进,并结合乒乓球技战术分析的特点,建立了基于改进蚁群算法的乒乓球技战术分类挖掘模型,并进行了实例分析,与乒乓球技战术关联规则挖掘相比较,该算法在挖掘效果和规则质量方面有很大的优势,并已应用于国家乒乓球队比赛和训练中,效果良好。     

基于人工鱼群算法的聚类挖掘

聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同种类.目前聚类分析算法普遍存在对初始参数敏感,难以找到最优聚类以及聚类有效性等问题.人工鱼群算法作为一种新型仿生优化算法,具有良好的克服局部极值和获得全局极值的能力.引入聚类数学模型,结合现有人工鱼群算法的特点和聚类算法理论,通过模拟鱼群的智能行为进行聚类分析,提出了一种基于人工鱼群算法的聚类挖掘方法.对空间数据的实验和蚁群算法的对比研究表明,该算法具有良好的聚类效果.     

云人工鱼群算法

借鉴人工鱼群算法的思想,利用云模型云滴的随机性和稳定倾向性的特点,提出了一种新的人工鱼群算法——云人工鱼群算法,并用于求解具有变量边界约束的非线性的复杂函数最优化问题。计算机仿真结果表明,云人工鱼群算法具有计算精度较高,搜索速度较快等特点,具有一定的参考和应用价值。     

人工鱼群算法的简介及应用

人工鱼群算法是一种基于行为的人工智能思想,通过鱼在水里的行为方式模拟构建了一种鱼群模式,用来解决寻优问题,从而产生了一种新型的智能算法。本文首先通过介绍人工鱼群算法的原理来阐述其在各领域的运用。     

基于遗传算法的人工鱼群优化算法

人工鱼群算法(AFSA)是一种高效的群智能全局优化技术.通过对人工鱼群算法(AFSA)不足的研究,在遗传算法的基础上,提出了基于遗传算法的人工鱼群优化算法.该算法保留了人工鱼群算法(AFSA)简单、易实现的特点,同时克服了人工鱼漫无目的的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.最后通过大量的函数和实例测试结果表明,与其它算法相比,该算法是可行和有效的,具有运行速度快和求解精度高等特点.     

基于单纯形法的双群人工鱼群算法

针对基本人工鱼群算法中人工鱼漫无目的随机游动或在非全局极值点的大量聚集的不足,提出了一种基于单纯形法的双群人工鱼群算法.在该算法中,两个不同的子群并行游动,通过子群重组进行子群间的信息交换,实现鱼群在解空间的探索和搜索能力,然后通过单纯形法进行局部再搜索.基于典型的函数和实例测试验证,表明该算法收敛速度快、精度高,具有更好的性能.     

基于单纯形的双群人工鱼群算法

针对基本人工鱼群算法中人工鱼漫无目的随机游动或在非全局极值点的大量聚集的不足,提出了一种基于单纯形法的双群人工鱼群算法。在该算法中,两个不同的子群并行游动,通过子群重组进行子群间的信息交换,实现鱼群在解空间的探索和搜索能力,然后通过单纯形法进行局部再搜索。基于典型的函数和实例测试验证,表明该算法收敛速度快、精度高,具有更好的性能。     

引入贪心鱼群的改进人工鱼群算法

针对人工鱼群算法(AFSA)局部寻优不精确等问题,提出一种引入贪心鱼群改进人工鱼群算法(IAFSASF)的方法.贪心鱼群具有不同于普通鱼群的行为策略,在觅食行为中贪心鱼群紧紧跟随在最优适应度的人工鱼的附近进行食物搜索,而不执行追尾和聚群行为,因此,贪心鱼群具有更好的局部寻优能力.实验证明:IAFSASF比原有算法在减少时间复杂度的同时有效提高了求解精度.     

基于多群协同人工鱼群算法的分类规则提取算法

在对基本人工鱼群算法原理分析的基础上,提出了一种多群协同人工鱼群算法用于实现对连续空间变量的分类规则提取问题。定义了基于规则支持度与置信度的规则评价函数,构造了人工鱼在规则提取应用中的特定编码及相关概念的计算公式,给出了该算法的具体实现步骤,并用VC++软件编程实现。最后对Iris和Wine数据集进行测试实验,并与单群体鱼群算法及多种群微粒群算法进行比较。仿真结果表明,该算法能够快速提取分类精度较高的分类规则,因此利用该算法解决连续变量分类规则提取的相关问题是可行且有效的。     

人工鱼群算法的参数分析

针对人工鱼群算法由于参数选择不合理而导致算法运行时间长或陷入局部最优的问题,利用改进的全局版人工鱼群算法,采用不同参数匹配,以优化3个典型的测试函数为例进行仿真实验研究,分析人工鱼群算法在主要参数影响下,算法优化性能及收敛速度的变化规律,给出算法参数设置的适当取值。实验结果表明参数的合理设置使算法可以较快地收敛至全局较优解,并具有较好的性能。     

一种新型的启发式人工鱼群算法

单一结构和机制的算法一般难以得到满意的解。为此,提出一种新型的启发式人工鱼群算法。将进化策略、粒子群算法中的信息策略加入到人工鱼群算法中,并在理论上证明该算法的收敛性。函数仿真实验表明,该算法可以避免基本人工鱼群算法陷入局部极值,且具有收敛速度快、计算精度高等特点。     

基于改进人工鱼群算法的支持向量机预测

由于参数的选择范围较大,在多个参数中进行盲目搜索最优参数的时间代价较大,且很难得到最优参数.为此,提出一种基于改进人工鱼群算法(AFSA)的支持向量机(SVM)预测算法.对AFSA进行改进,并使用改进算法优化SVM.实验结果表明,与遗传算法、粒子群优化算法和基本AFSA优化的支持向量机相比,该算法的均方误差降低为2.51×10-3,提高了预测精度.     

人工鱼群算法的全局收敛性证明

研究人工鱼群算法,按候选解分量所在的区间,将搜索空间转化为离散空间,该空间中每个点即为一个人工鱼的位置状态,其能量(食物浓度)即为该点的目标函数值。分别将离散空间集合、人工鱼集合划分为若干个非空子集。在人工鱼觅食、聚群和追尾移动过程中,计算其从一个位置状态转移到任意一个位置状态的转移概率。每个位置状态对应有限Markov链的一个状态,且满足可归约随机矩阵的稳定性条件,由此证明人工鱼群算法的全局收敛性。     

人工鱼群算法在基因调控网络中的应用研究

在分析基因调控网络现状及优缺点的基础上,提出利用人工鱼群算法对阈值布尔网络模型构建下的基因调控网络进行研究。将阈值布尔网络模型应用于花发育形态模型,构建基于预定义吸引子和极限环的综合网络。比较人工鱼群算法与模拟退火算法在基因调控网络中的应用情况,分析网络节点更新机制变化时布尔网络保留吸引子的能力,发现在极限环长度为2和特定网络拓扑下网络才具有鲁棒性。实验结果表明,与模拟退火算法相比,人工鱼群算法在网络发现、鲁棒性方面具有更好的性能,因此利用人工鱼群算法学习布尔网络结构是有效可行的。     

交通网络设计问题的人工鱼群算法

人工鱼群算法是一种新的群体智能优化算法,可较好地避免局部极值并取得全局极值,但针对离散优化问题却存在开发平衡及探索能力差等缺点。为此,设计一种自适应变异的人工鱼群算法,在迭代过程中添加变异算子并自动调节视野范围和拥挤度因子。将该算法应用于多等级选择的离散型交通网络二层规划模型设计中,上下层模型分别采用人工鱼群算法及Frank-Wolfe算法进行求解,从而为求解这类模型提供新方法。仿真结果表明,该算法具有较好的稳定性和收敛速度,能够应用于大型城市交通网络设计中。     

种群拓扑结构对人工鱼群算法性能的影响

基本人工鱼群算法采用基于距离的邻域拓扑结构,存在计算量大、运行速度慢等问题。为此,引入粒子群优化算法中的4种典型种群拓扑结构:星形,轮形,环形和冯·诺依曼结构,代替基于距离的邻域拓扑结构,并分析不同构对算法性能的影响。在5个准测试函数上的实验结果表明,对于单峰函数,星形结构算法的优化效果较好;对于局部最优点较多的函数,轮形和环形结构算法的优化效果较好。根据优化问题的复杂度选用不同的拓扑结构,可以提高人工鱼群算法的优化性能。     

一种基于人工鱼群算法的航班离场问题研究

研究基于人工鱼群算法的航班离场序列问题,并通过仿真二维机场场面,实现基于鱼群算法的航班在二维机场场面的离场顺序仿真效果。对现代国内外机场管制系统的特点进行研究分析,并综合国外先进机场管制系统的优点．结合国内的具体特点;分析人工鱼群算法在航班离场序列中应用的算法流程;给出研究的初步效果以及仿真模拟图。通过仿真实验可知,在二维机场场面上可以比较直观地观察出人工鱼群算法在航班离场顺序上应用的效果．并且为接下来研究决策系统做铺垫。     

融合协同进化人工鱼群算法和SVM的雾霾预测方法

针对日益严重的雾霾污染问题,提出融合协同进化人工鱼群算法和支持向量机的雾霾预测方法.首先,运用佳点集构造均匀分布的种群,并引入自适应视野范围策略、自适应步长策略、种群间协同策略,提出协同进化人工鱼群算法.然后,使用协同进化人工鱼群算法,优化支持向量机的主要参数.最后,构建基于支持向量机的雾霾预测模型,预测雾霾天气.在10个测试函数上的实验证明协同进化人工鱼群算法的性能,在6个UCI数据集上的实验验证预测模型的稳定性和有效性.     

基于数据挖掘技术的交通流预测模型

本文针对交通数据挖掘领域的交通流预测问题进行研究和实现.主要对数据挖掘技术应用于交通流数据的特征选择和交通流预测模型的建立提出算法.在对采样数据进行清洗后,以分类与回归决策树作为基学习器,采用梯度提升决策树进行回归拟合,计算出交通数据的特征重要度.并以此重要度作为自适应特征选择的依据.其次,采用聚类算法对选取后的特征数据进行聚类分析,缩小样本大小的同时,同类数据更加相似.最后,以实时数据匹配相应聚类作为训练数据集,使用经过人工鱼群算法优化参数后的支持向量机进行交通流预测.本文结尾通过实验数据论证本文所提出的算法和模型.