基于Ant-Tree算法的短文本聚类研究

短文本由于词频过低,使用常规的聚类算法如K-means效果不理想,难得到可接受的准确度。而最近结合使用生物启发及聚类内部有效性测量改进的方法,能够有效改善短文本的聚类效果。针对短文本聚类,提出了改进Ant-Tree的算法。该算法引入了轮廓系数作为内部效度测量,对K-means算法获得的初始聚类划分计算轮廓系数值,根据各聚簇样本值大小排序,将排序结果应用于Ant-Tree算法的初始化步骤中,使Ant-Tree算法性能得到提高。实验结果表明,该算法准确度超过了其它的算法。

基于Ant-Tree聚类算法的图像分割

图像分割可以看作对具有不同特征的像素进行聚类的过程。综合考虑像素的灰度、梯度及邻域等特征,将Ant-Tree聚类算法引入图像分割中。针对Ant-Tree算法的聚类结果信息冗余的缺点,采用了一种改进的树结构模型来提高聚类速度。此外,还提出了一种新的初始化方法,结合K-means算法动态修正聚类中心,提高了聚类准确度和算法的鲁棒性。实验结果证明改进的Ant-Tree算法可以快速准确地分割出目标,是一种非常有效的图像分割方法。

面向人员岸滩行进的三维路径规划算法研究

针对当前无法为人员岸滩行进提供科学合理的路径规划这一问题,论文基于蚁群算法提出了面向岸滩行进的最优路径规划算法。首先对基本的蚁群算法进行了改良,包括路径搜索方式、信息素更新策略和启发函数的合理设计等,改善了算法的收敛效率;然后定量结合多类岸滩场路径规划影响因子,构建了满足岸滩行进的代价函数;最终实现了面向岸滩行进的算法构建。该算法可为实现复杂地形条件下岸滩行进的最优路径解算和基于蚁群算法的相关三维路径规划分析研究提供参考借鉴。

三维环境中机器人路径规划算法改进

为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。

一种适用于短消息文本的聚类算法

针对短消息文本聚类,设计基于频繁词集和Ant-Tree的混合聚类方法。该算法利用基于频繁词集聚类算法处理文本数据的效率优势,生成初始聚簇,计算轮廓系数消除重叠文档,在此基础上再通过Ant-Tree算法继续精化,最终得到高质量的结果输出。而且聚类结果保留了描述信息和树状层级结构,提供了更广阔的应用。

度限制最小树的蚂蚁算法

Based on the ant system methodology,this paper offers an algorithm for the degree constrained minimum spanning tree problem.Compared with some other algorithms, numerical examples are tested which give promising results and useful conclusions.

基于功能蚁树的定制客户动态聚类

在分析定制客户需求特点和产品族模型构成的基础上,提出了一种根据功能结构模型进行定制客户动态聚类划分的新方法。采用面向对象的技术,将功能作为产品族的特征属性与产品族结构封装,建立了产品族功能结构模型;应用蚂蚁聚集行为的聚类方法,以产品族功能结构模型为分类模式,设计了基于功能蚁树的客户动态聚类算法。并以多功能沥青混凝土摊铺机产品的定制客户聚类划分为例,进行聚类分析,聚类结果能直观地反映各功能结构模块动态需求变化。

基于蚁群算法的复杂系统多故障状态的决策

故障树在设备的故障诊断中被广泛应用。当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难。在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策。由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题。仿真结果显示,在故障树中采用该新方法可行、有效。

关系数据库中的关键词查询结果动态优化

关键词查询可以帮助用户从数据库中快速获取感兴趣的内容,它不需要用户掌握专业的数据库结构化查询语言,降低了使用门槛.针对基于关键词的数据库查询,基于数据图的方法是一种比较常见的方法,它把数据库转换成数据图,然后从数据图中计算最小Steiner树.但是,已有的方法无法根据不断变化的用户查询兴趣而动态优化查询结果.提出采用蚁群优化算法解决数据库中的关键词查询问题,并提出了基于概念漂移理论的用户查询兴趣突变探查方法,可以及时发现用户兴趣的突变.在此基础上,提出了基于概念漂移理论和蚁群优化算法的查询结果动态优化算法ACOKS*,可以根据突变的用户兴趣,动态地优化查询结果,使其更加符合用户查询预期.在原型系统上得到的大量实验结果表明,该方法具有很好的可扩展性,并且可以比已有的方法取得更好的性能.

欧氏Steiner最小树问题的智能优化算法

欧氏平面内连接固定原点的最小树长问题,即欧氏Steiner最小树问题,为组合优化中的NP难题,因此合理的方法是寻找启发式算法。该文给出了两种智能优化算法——模拟退火法和蚂蚁算法。首先概述智能优化算法并将平面划分成网格,然后分别介绍两种算法的原理及实现过程,最后通过一系列计算实验,测试了算法的运行性能,获得了较好的效果。

并行蚁群算法及其在区位选址中的应用

提出基于多叉树并行蚁群算法的区位选址优化方法。算法依据蚁群算法具有的并行特性,采用GPU(graphicprocessing unit,图形处理器)并行运算技术,对地理空间进行多叉树划分,收集蚂蚁在多叉树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路。实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时间内求得较为理想的解,适合计算大区域的空间资源配置问题。

树木提取液对白蚁的忌避活性初探

选取并制备83种树木提取液对白蚁进行忌避活性测定结果表明,其中有2 9种树木提取液药后2 4h未见白蚁进入处理室,并结合植物资源和成本等因素初选出18种忌避活性效果较好的树木提取液(室温贮藏期1年)用于复筛试验,最终筛选出对白蚁忌避活性效果较好的山苍子叶和樟树叶树木提取液,可用于研制防蚁新药剂;而对白蚁忌避活性较弱的树木提取液,可结合其对白蚁杀虫活性抑制效果,从中优选出较好树木提取液。

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。

蚁群算法在配电网规划中的应用

配电网规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题,但是近年出现的一些智能算法有效地解决了此类问题。蚁群算法是一种新型的模拟进化算法,研究表明该算法在求解组合优化问题时是有效的。算法中,蚂蚁之间通过信息素进行交流,相互协作,使得蚁群表现出智能行为。针对配电网络的辐射性特点,提出了基于蚁群算法的单期配电网优化规划方法。该方法避免了辐射性检查过程,提高了算法效率。算例表明该算法具有实用性和可行性。

一类最短路径问题蚂蚁算法求解

文章提出了一最短路径问题的蚂蚁求解算法。以集煤站为例,讨论了在一个给定范围内将集煤站建在什么地方才能使总的运输费用达到最低,给出相应的数学模型。蚂蚁算法为近年来新出现的一种随机寻优算法,能够有效地求解该文所出的一类最短路径问题。

一种基于蚁群系统的多点路由新算法

应用蚁群算法结合启发式算法解决多点路由问题．仿真表明该文中的算法可以有效地解决多点路由问题，同时该算法也适用于并行执行和应用．

平面布局的蚁群算法

为提高平面布局的优化结果和效率,使用蚁群算法作为平面布局优化算法。在算法中定义B* tree结构来描述布局空间,定义模块布局利用率作为信息素,使得占用面积小的局部模块之间的依赖关系加强,引入蚁群的变异特征来加快算法的收敛效率。通过试验表明,蚁群算法同模拟退火算法相比,在解决硬模块(hardmodule)的平面布局问题时,能够得到较优化布局的结果和较快的运行效率。

构建系统发生树后缀表示的蚁群算法

提出一种基于后缀表示的构建系统发生树的蚁群算法(SR-PTC),该算法用蚂蚁访问物种集合以形成一个对应最优系统发生树的后缀表示序列。为构成一个合法的系统发生树的后缀表示,蚂蚁对内部结点的选择要受到限制,分别为叶结点和内部结点设置两个不同的选择概率,并用赌轮盘选择方法来决定两种结点的选择。另外,在信息素更新时,加入当前树的评价值来影响蚂蚁的运动方向。实验结果表明,此方法能得到较为准确的拓扑结构,在物种数目较小时可以较快地得到结果。

基于蚁群算法的灌溉管网布置与管径优化设计研究

将蚁群算法引入到灌溉管网设计当中,综合考虑管网设计的经济性条件和运行性条件,通过MATLAB软件编程求解,研究了不规则树状管网的布置及管径同步优化设计。实例应用结果表明,该优化方法拥有较为广阔的应用空间,可以用于实际生产。

一种基于蚁群算法的分布式多播路由算法

随着计算机网络的不断发展,大量多媒体应用要求网络具有满足QoS约束的多播功能。应用多播的关键是确定有效的多播路由,即求解最优Steiner树。目前提出的大部分都是集中式的或本质上是集中式的启发式算法,关于分布式算法的研究还比较少。本文提出了一种基于蚁群算法的分布式多播路由算法。该算法在源节点不掌握整个网络信息的情况下,利用网络的局部启发式信息和蚂蚁留下的信息素建立最优的多播路由。结合多播路由问题的特点,对算法进行了改进,使算法的收敛速度和解的质量都得到了较大的提高。仿真实验结果验证了该算法的有效性。