共查询到17条相似文献,搜索用时 203 毫秒
1.
Parepinelli等人提出了基于ACO的分类算法。算法实质上是一种序列覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程,从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点,文章采用了新的启发函数及信息素更新方法,并引入了精英群交叉变异策略。对两个功用数据的实验及其和Ant-Miner的对比表明,该算法有更强的预测分析能力,能够发现更好的分类规则集。以及形式更简单的规则。实验同时显示该算法有效节约了时间。 相似文献
2.
Parepinelli等人提出了基于ACO的分类算法。算法实质上是一种序列覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程.从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点,文章采用了新的启发函数及信息素更斯方法,并引入了精英群交叉变异策略。对两个功用数据的实验及其和Ant—Miner的对比表明,该算法有更强的预测分析能力,能够发现更好的分类规则集?以及形式更简单的规则。实验同时显示该算法有效节约了时间。 相似文献
3.
熊伟清 《模式识别与人工智能》2008,21(4):500-505
提出一种基于二元蚁群算法的分类规则挖掘算法.针对蚁群算法计算时间长的缺点,引入一种变异算子,同时为了避免蚁群算法陷入局部最优,又引入灾变算子.通过对美国加州大学机器学习数据集中的测试集进行测试表明,该算法的预测准确率能较大提高.实验同时显示引入变异算子和灾变算子能有效节省计算时间和防止陷入局部最优. 相似文献
4.
Parepinelli等提出了基于ACO的分类算法。文中提出了一种基于自适应蚁群算法的分类规则挖掘算法,该算法采用了与Parepinelli算法不同的启发式函数及信息素改变方法,引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的。实验结果验证了该算法的有效性。 相似文献
5.
Parepinelli等提出了基于ACO的分类算法。文中提出了一种基于自适应蚁群算法的分类规则挖掘算法,该算法采用了与Parepinelli算法不同的启发式函数及信息素改变方法.引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的。实验结果验证了该算法的有效性。 相似文献
6.
本文采用一种基于蚁群算法的分类规则挖掘算法,其特征实质上是一种序列覆盖算法。在具体的形式化分析和描述中,以学生成绩系统分析为例,给出了蚁群算法中的蚂蚁个体运动规则和基于蚁群算法的分类规则挖掘算法,按顺序让蚁群搜索规则,移去它覆盖的数据,并不断加以重复,直到搜索完所有的类别属性,且使剩余数据在最小范围内,从而得到一组规则。在对其进行规则剪枝后,最后得到一组最优规则。 相似文献
7.
传统的组合优化蚁群算法在求解优化过程中要消耗大量的时间,极易陷入局部最优解和收敛速度过慢等弊端,同时还会产生大量无用的冗余迭代码,运算效率低;因此,提出一种遗传蚁群优化算法;该算法具备了遗传算法快速搜索全局能力的同时也具备了蚁群算法并行性和正反馈机制;利用遗传算法改变选择算子、交叉算子和变异算子操作来确定路径上信息素的分布,将蚁群算法用于特征选择,采用支持向量机分类器分类性能反馈用于评价特征子集解,并通过对改变信息素的迭代、参数选择和增加对信息素局部更新方式指导特征结点重新组合;仿真实验表明,该算法可以有效提高计算精度,加快收敛速度,优化全局最优解的同时增强了系统的鲁棒性和稳定性。 相似文献
8.
针对航次方案优选问题的数学模型,提出一种改进的蚁群算法。算法采取了三种改进策略,用两阶段比选降低计算复杂度,利用小群最优试探初始化信息素强度,设计一种动态间隔变异算子避免陷入局部最优。不同规模的数值实验表明,该算法具有良好的计算性能。 相似文献
9.
本文提出了一种新的图像特征匹配方法,采用变异蚁群算法进行特征匹配。改进的蚁群算法在原蚁群算法不变蚁群的基础上,提出了变异蚁群算法。融合了自适应变化策略,改进了信息素调整方式。实验结果表明与其他的匹配算法相比,该算法具有计算速度快,识别率高的特点。 相似文献
10.
研究了多时间窗车辆路径问题,建立了多时间窗车辆路径问题的数学模型,并基于蚁群算法设计了一种混合蚁群算法对问题进行了求解。该算法首先利用基本蚁群算法求解,然后采用2-opt算法和元胞自动算法对结果进行优化,同时加入变异算子。实验结果表明该算法可以有效地求解多时间窗车辆路径问题。 相似文献
11.
传统蚁群算法在解决旅行商问题(TSP)有较大的优势,但也存在一些不足,如收敛速度慢、易陷入局部最优等。针对这些问题,提出区域破坏重建的蚁群优化算法(RDRACO)。RDRACO应用区域破坏重建算法解决因信息素积累而陷入局部最优的问题,并将蚁群算法的信息素更新规则和全局更新策略进行了调整,使之与该算法匹配。另外在蚁群路径选择中加入2-Opt算子,加快收敛速度和提高收敛精度。实验采用TSPLIB中的20个经典TSP数据集对RDRACO进行仿真实验,仿真结果表明:RDRACO算法通过较少的迭代次数就可找出数据集较小TSP的已知最优路径,并在数据集较大TSP收敛精度上有显著的优化。RDRACO在提高收敛速度的同时具有较高的精度和较好的鲁棒性。 相似文献
12.
核属性蚁群算法的规则获取 总被引:1,自引:0,他引:1
蚁群算法是一种新型的模拟进化算法,研究已经表明该算法具有许多优良的性质,并且在优化计算中已得到了很多应用.粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.本文从规则获取和优化两方面研究基于粗糙集理论和蚁群算法的分类规则挖掘方法.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识理论,将粗糙集理论与蚁群算法融合,采用粗糙集理论进行属性约简,利用蚁群算法获取最优分类规则,优势互补.实验结果比较表明,算法获取的分类规则,具有良好的预测能力和更为简洁的表示形式. 相似文献
13.
任务调度策略是网格计算的核心问题。在系统任务调度和资源分配中,提出一种基于量子蚁群算法的任务调度策略。算法将量子计算与蚁群算法相融合,通过对蚁群进行量子化编码并采用量子旋转门及非门操作,实现对任务自适应启发式的分配和优化。算法有效增强了种群的多样性、克服了遗传算法和蚁群算法的早熟收敛和退化现象。仿真实验中,分别与基于遗传算法和基于蚁群算法的任务调度策略相对比,结果表明算法有效缩短了任务调度的时间跨度,增强了网格系统的性能。 相似文献
14.
15.
提出了一种小波包变换和蚁群算法相结合的纹理分类新方法。首先采用小波包变换提取纹理图像的纹理特征向量,然后用蚁群算法进行训练和分类。实验表明小波包变换和蚁群算法应用到纹理分类领域,是一次有效的尝试。 相似文献
16.
针对蚁群算法求解物流配送路径问题易陷入早熟、停滞、局部最优的缺点,提出了混沌、变异与最大最小蚂蚁算法相融合的改进蚁群算法。在仿真实验中,分别采用最大最小蚂蚁算法、加入混沌的最大最小蚂蚁算法、加入变异的最大最小蚂蚁算法、加入混沌和变异的最大最小蚂蚁算法对物流配送路径问题进行求解。实验结果表明,加入混沌和变异的最大最小蚂蚁算法能够有效提高蚁群算法的全局寻优能力,对物流配送路径问题的求解能够得出比较好的结果。 相似文献
17.
针对规则集学习问题,提出一种遵循典型AQ覆盖算法框架(AQ Covering Algorithm)的蚁群规则集学习算法(Ant-AQ)。在Ant-AQ算法中,AQ覆盖框架中的柱状搜索特化过程被蚁群搜索特化过程替代,从某种程度上减少了陷入局优的情况。在对照测试中,Ant-AQ算法分别和已有的经典规则集学习算法(CN2、AQ-15)以及R.S.Parpinelli等提出的另一种基于蚁群优化的规则学习算法 Ant-Miner在若干典型规则学习问题数据集上进行了比较。实验结果表明:首先,Ant-AQ算法在总体性能比较上要优于经典规则学习算法,其次,Ant-AQ算法在预测准确度这样关键的评价指标上优于Ant-Miner算法。 相似文献