一种基于邻域空间的混合粒子群优化算法

针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。     

基于粒子群优化算法的机场群航班优化配置研究

针对我国机场群发展不平衡、航线同质化程度高等问题,建立了以航班准点率、航空公司市场份额、旅客损失时间和航班功能定位指标最大化的航班时刻优化模型,将一级国际枢纽机场运行效果差的航班分配至周边机场.笔者在满足机场群内各机场起降容量限制、航班唯一性和航班连续性的条件下,设计改进的粒子群优化算法进行求解.以长三角机场群的航班时刻资源为例进行实例验证.研究表明:模型能够有效调整枢纽机场的低效航班至周边机场,使得机场群内各机场航班分布较为均衡,有效控制各时段航班架次的变化趋势,优化效果显著.     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于混合粒子群算法的白车身焊接机器人路径优化

提出了一种由粒子群算法和遗传算法有效结合的混合粒子群算法。以某型轿车前地板线焊接工位机器人的路径规划为例,分别采用混合粒子群算法、遗传算法对机器人的焊点焊接顺序进行求解。2种算法在Matlab中的仿真优化结果表明:混合粒子群算法在求解路径优化问题上能得到更佳的焊接路径。     

粒子群优化算法的信息共享策略

为寻求更有效的信息共享策略,分析了粒子群优化（PSO）算法的信息共享机制及由粒子个体最优位置构成的平衡点的作用．在此基础上,以标准PSO算法为原型,提出了4种使用不同信息共享策略的PSO算法,并用5个经典测试函数测试、比较了它们的性能．仿真结果表明,提出的前2种信息共享策略可以明显改善PSO算法的性能．基于PSO算法的理论分析和仿真结果,给出了一个好的信息共享策略应满足的条件：粒子应有选择地共享邻域个体的信息,以保证粒子群的平衡点具有良好的质量与多样性,同时又不过于随机地变化．     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

交通分配的粒子群优化算法

为了方便合理地分配交通量,提出了交通量多路径分配的粒子群优化算法。算法的求解方法是在粒子群算法中构造了路径条数维的粒子空间,每维对应一条可行性路线,其值为对应路径所分配的交通量;对粒子进行归一化处理,使交通量守恒,并进行交通量的多路径分配;根据目标函数评价与筛选粒子,直到满足终止条件。实例计算结果表明:利用粒子群算法得到的目标函数值最小,各路段分配的交通量没有超容量现象,模型求解过程具有方向性,对交通分配的网络规模无限制,因此,粒子群优化算法可行、合理。     

密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法,由于其原理简单,无需迭代和能处理形状数据集等优点,正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷,如：对截断距离参数敏感,初始聚类中心的选择非自动化,后续标签分配存在链式问题,时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理,首先介绍了DPC的算法原理和流程;其次,针对DPC算法的不足对DPC算法的优化进行概括和分析,指出了优化算法的核心技术以及优缺点;最后,对DPC算法未来可能面对的挑战和发展趋势进行展望。     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

基于邻域极值数的协同粒子群优化算法

提出了一种基于邻域极值数的协同粒子群优化算法。该算法将种群分为若干个独立进化的子种群。根据邻域极值数确定各子种群的生存状态。根据子种群的生存状态对子种群实施相应的控制操作,提高子种群的搜索能力,实现子种群之间的信息共享,共同进化。测试结果表明基于邻域极值数的协同粒子群优化算法是一种高效稳健的全局优化算法。     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

大数据k-Means聚类挖掘优化算法

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于MapReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

A Fast Algorithm for Support Vector Clustering

Support Vector Clustering (SVC) is a kernel-based unsupervised learning clustering method. The main drawback of SVC is its high computational complexity in getting the adjacency matrix describing the connectivity for each pairs of points. Based on the proximity graph model, the Euclidean distance in Hilbert space is calculated using a Gaussian kernel, which is the right criterion to generate a minimum spanning tree using Kruskal‘s algorithm. Then the connectivity estimation is lowered by only checking the linkages between the edges that construct the main stem of the MST ( Minimum Spanning Tree), in which the non-compatibility degree is originally defined to support the edge selection during linkage estimations. This new approach is experimentally analyzed.The results show that the revised algorithm has a better performance than the proximity graph model with faster speed, optimized clustering quality and strong ability to noise suppression, which makes SVC scalable to large data sets.     

系统聚类分析中的遗传算法

简要介绍了系统聚类法的各种常用方法,对Ward方法进行了分析,说明爬山法一般得不到全局最优分类,因此提出结合Ward方法,用遗传算法进行聚类,特别是对交叉操作进行了设计,从而将遗传算法用于聚类分析.最后的实例表明,遗传算法在处理多样本、多属性、多类别的问题时,是一种有效的方法.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法，并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用，新算法与已有算法进行了对比研究。新方法对其他类似的实际应用也有参考价值。     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法,并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用,新算法与已有算法进行了对比研究.新方法对其他类似的实际应用也有参考价值.