基于人工蚁群优化算法的遥感图像自动分类

将人工蚁群优化算法(AACO)尝试性地引入遥感图像分类,并进行了探索性研究。作为计算智能新的分支,人工蚁群优化算法具有很强的自组织性和自适应性。因此,自然成为科学工程领域一种强有力的信息处理和解决问题的手段;AACO算法利用蚂蚁的生物特性来实现遥感图像分类等非线性操作,具有并行性、鲁棒性。初步试验分析,此方法用于遥感图像分类是有效的,在一定程度上克服传统统计分类方法与ANN方法的某些不足。本文也推动人类利用群智能在遥感图像处理及相关领域的深入研究。

人工蚁群算法理论及其在经典TSP问题中的实现

人工蚁群算法是一种新型的模拟进化算法 ,也是一种随机型智能搜索寻优算法 .较系统地总结了这一算法的基本理论 ,分析了其基本模型和算法在 TSP问题中的实现方式 ,给出了改进算法及其在多点通信路由问题中的应用 .并对人工蚁群算法的优化性能进行了分析讨论 .

灰度梯度感知人工蚁群的数字图像边缘检测

基于D.R.Chialvoetal.提出的原始模型和V.Ramosetal.的扩展模型,提出了一种用于数字图像边缘检测的基于灰度梯度感知的人工蚁群模型(ACGGP)。模型利用灰度梯度启发信息和信息素轨迹信息共同来指导蚂蚁的行为,这种策略能够有效地减小群体规模进而提高算法的时间性能。此外,还对模型体现出类似于某些人类视觉感知的机制,包括群体短暂记忆、图像主要特征敏感特别是能够良好抑制噪声的自发侧抑制机制等特征进行了阐述。模型在若干幅8bit灰度图像上进行了测试,并和Ramos模型以及经典数字图像边缘检测算法(canny算法)进行了客观比较。

基于加权社区检测与增强人工蚁群算法的高维数据特征选择

为了提高高维数据特征选择的时间效率、降低特征选择的冗余度与不相关性,提出一种基于加权社区检测与增强人工蚁群算法的高维数据特征选择算法。设计加权的社区检测算法,将特征相似性作为社区划分的模块度,根据特征判别力为社区分配不同的权重;通过人工蚁群算法并行地处理每个特征分类,将每个特征分类按优劣程度组成队列;选出每个队列的top-k特征子集做全局比较,提取全局最优的特征子集。仿真实验结果表明,该算法对于高维数据集实现了较好的特征提取结果,并且实现了合理的时间成本。

基于人工蚁群的Web会话聚类

将改进的蚁群聚类算法应用于Web使用挖掘中,可对Web事务进行聚类,以便了解Web用户的兴趣以及它们之间的联系,从而为用户提供个性化的服务。同时定义一个Web会话为一个带权值的多维向量,也定义了两个会话间的相似度度量。实验表明在广西大学网站抽取的会话数据集上执行蚁群聚类算法得到的聚类是稳定的。结果显示该算法执行得很好,能找到没有噪音的聚类。

基于人工蚁群的红外弱小目标检测方法

提出一种基于人工蚁群的红外弱小目标检测方法。首先利用模糊隶属度函数对图像进行预处理获取可能的目标点;然后利用该结果与信息素一起共同指导蚂蚁的行为;最后通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向真实的目标图像收敛达到抑制背景的目的。仿真和实验表明,与固定权值滤波方法和最大化中值滤波方法相比,该方法能够有效地从复杂背景的图像序列中检测弱小目标。

基于人工蜂群遗传算法的稀疏全聚集成像方法研究

稀疏阵列设计是一种可提高相控阵成像实时性的有效途径。遗传算法能较好解决线性阵列稀疏这种典型的约束优化问题。但此算法的局部搜寻能力较弱,且在后期搜寻效率较差。为此,论文通过构建人工蜂群-遗传算法的阵列稀疏方法,把蜂群寻找最优解的过程引入到传统遗传算法中,增加全局最优解的搜索能力。结果显示,人工蜂群-遗传算法优化后得到的稀疏阵列比遗传算法优化后得到的稀疏阵列具有更高的旁瓣抑制力,阵列的峰值旁瓣水平达到-11.40 dB。而在阈值为-6 dB时,两种算法优化得到的稀疏阵列主瓣宽度都等同于全阵列2.8°的主瓣宽度。最后,论文通过相控阵检测系统在钢轨试样上采集超声信号,利用人工蜂群-遗传算法设计得到的稀疏矩阵进行全聚焦成像。实验结果显示,当阵元数为32的线性阵列在稀疏率达到75%时,稀疏阵列的阵列性能指标分辨率、信噪比与满阵相差不大,但成像效率却提高了53.04%。

电力物资采购数据特征提取方法研究

当前已有的电力物资采购数据特征提取方法存在提取精度低的问题,为此,提出了基于人工蚁群算法的电力物资采购数据特征提取方法。更新电力物资采购数据信息素,完成电力物资采购数据特征的识别。构建采购数据的频域模型,利用人工蚁群算法计算采购数据频域特征的隶属均值,对电力物资采购数据平滑处理。建立电力物资采购数据特征响应函数,实现了电力物资采购数据特征的提取。实验结果表明,该研究设计的方法可以通过提供数据特征主成分贡献率和特征间关联度,提高数据提取质量和精度,具有更好的特征提取性能。

蚁群算法研究进展

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法.蚁群算法在求解一系列困难的组合优化问题上取得成效,成为解决TSP,VRP,QAP,JSP等典型问题的一种新型的强有力算法.对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法、基于算法的改进以及应用范畴等,进行了系统的总结与综述,并对这一新型现代启发式算法的发展方向进行了展望.

基于信息融合的电信客户流失预测研究

针对数据挖掘方法在电信客户流失预测中的局限性,提出将信息融合与数据挖掘相结合,分别从数据层、特征层、决策层构建客户流失预测模型。确定客户流失预测指标;根据客户样本在特征空间分布的差异性对客户进行划分,得到不同特征的客户群;不同客户群采用不同算法构建客户流失预测模型,再通过人工蚁群算法求得模型融合权重,将各模型的预测结果加权得到预测最终结果。实验结果表明,基于信息融合的客户流失预测模型确实比传统模型更优。

基于影响力社区检测与蚁群算法的特征选择

针对多变量特征选择算法计算效率低、冗余度高的问题,提出一种基于影响力社区检测与蚁群算法的特征选择算法。计算每对数据点之间的相似性,组成无向图,通过人工蚁群优化算法将网络划分为簇;使用社区检测算法对特征进行分类,选择冗余度最小的特征子集;蚁群初始化阶段通过度量特征与类的相关性,初始化信息素。基于人工合成数据集与标准的公开数据集进行实验,实验结果表明,该算法实现了较高的分类准确率、敏感性、特异性,其计算效率处于可接受范围内。

基于增强蚁群算法的传感网移动sink路径规划

为同时降低移动sink无线传感器网络的能耗与sink移动距离,提出了一种基于增强蚁群算法的传感网络移动sink路径规划算法。为人工蚁群算法引入了遗传算子,避免人工蚁群算法早熟收敛。将数据量不均匀作为网络的约束条件,将网络生命期与sink的移动距离作为问题的2个优化目标,采用增强的人工蚁群算法选择汇集点的帕累托次优集。多组仿真实验的结果表明,该算法有效地降低了网络平均能耗,提高了网络能耗的均衡性。

基于能耗优化算法的移动无线传感器网络问题研究

针对传统移动无线传感器网络(MWSN)在数据搜集上存在的能耗大和搜集难度高的问题,结合当前的智能优化算法,提出一种人工蚁群的能耗优化模型。结合MWSN通信模型,将其能耗问题看成是一个TSP旅行商问题,通过人工蚁群算法对目标函数进行求解。通过MATLAB仿真软件对上述算法进行编程,结果表明,该文设定的算法在能耗方面明显优于其他的算法,具有一定的可行性。

蚁群优化算法的研究进展

综述了用于组合优化的蚁群算法近年来的研究成果,简述了蚁群的觅食行为及蚂蚁的信息系统,介绍了人工蚁群算法及其在组合优化中的应用,并对这种算法仍需解决的问题和未来的发展方向进行了探讨.

程序进化器

研究用模拟进化方法进行程序设计的途径。构造了以形式文法为遗传表示的程序进化器，提出了这个进化器使用的有关算法。本文用程序进化器解决了人工蚁问题。

自动化立体仓库出库货位分配优化研究

在系统研究自动化立体仓库的基础上,分析了立体仓库出库作业的拣选策略。针对仓储中的出库拣选优化问题,以巷道堆垛机行走距离最短为目标建立函数模型。并以某自动化立体仓库为例,运用人工蚁群算法进行实例仿真来求解最短路径,优化后得到一组收敛可行解,同时提高了货物的出入库效率。

基于图聚类与蚁群算法的社交网络聚类算法

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。

基于人工蜂群算法的双门限CRN网络攻击检测算法

为了提高认知无线电网络的攻击检测效果,提出一种基于人工蜂群算法的双门限认知无线电网络的攻击检测算法。收集网络中所有次级用户向融合中心发送的报告,对信号进行预处理并将信号传递至人工蜂群算法;蜂群的雇佣蜂阶段评估次级用户子集的适应度,观察蜂阶段根据解的相关信息开发可行解,选择最优的次级用户子集;观察蜂的结果传递回蚁群,并且更新蚁群的全局信息素值,蚁群对新解集进行开发操作。该算法结合人工蜂群算法与人工蚁群算法在全局搜索与局部开发之间达到平衡。仿真实验的结果显示,该算法实现了较高的检测率与较低的错误率,从而有效地优化了频谱利用率。

群智能优化算法在路径规划中的应用

路径规划是移动机器人控制领域的一项研究重点,路径规划方法的优劣直接影响机器人的行动效率。群智能优化算法是目前路径规划算法的研究热点。文章主要总结了人工鱼群算法,人工蚁群算法,粒子群算法的原理和在路径规划中的改进方法。然后对比分析了几种算法的优缺点,提出了群智能算法在路径规划中今后需要关注的问题。

ACO算法及应用

ACO算法是一种新型模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路和方法．文章对ACO算法理论做简要的综述,并介绍其在实际问题中的应用．最后对ACO算法仍需要解决的问题和未来的发展方向进行了探讨．