论文题目: 基于蚁群优化算法的若干问题的研究
论文类型: 博士论文
论文专业: 生物医学工程
作者: 燕忠
导师: 袁春伟
关键词: 蚁群优化算法,旅行商问题,支持向量机,特征选择,蛋白质折叠
文献来源: 东南大学
发表年度: 2005
论文摘要: 蚁群优化算法是一种近年来才发展起来的新颖的仿生型的智能优化算法,具有正反馈、分布计算和启发性搜索等特点。作为计算智能和群智能的重要分支之一,蚁群优化算法的研究方兴未艾,备受瞩目。蚁群优化算法的思想来源于我们真实世界中的蚂蚁群体的智能特性。在现实生活中,单个蚂蚁并不具备将食物以最短的路径运回到蚁巢的智能行为,然而由许多蚂蚁所构成的蚂蚁群体在经过一段时间的调整以后,通过个体之间的相互配合与协作,最后能够使整个蚁群沿着某条最短的路径将食物搬回到蚁巢。本文以研究典型的NP问题——旅行商问题入手,对蚁群优化算法的发展背景、内容、实现方法和性能作了详细介绍,对该算法本身进行了深入研究,提出了自己的改进方案,同时,对算法的应用进行了推广。本文在蚁群优化算法的研究中主要作了如下几点独创性的工作:1.针对蚁群优化算法中信息素强度在蚁群之间起通讯、协作的关键作用,提出了利用全局和局部最优解来增强优质个体所走路径上的信息素强度的方案。仿真结果表明,这种增强型蚁群优化算法比标准的蚁群优化算法和其他优化算法在执行效率和稳定性上要高。2.在运用蚁群优化算法解决中国旅行商问题的过程中,提出了增大那些没有被访问到城市节点将被搜索到的概率的改进方法Ant_F和在演化后期适当增大系统区分信息素含量对比强度的方法ACS+。实验结果表明Ant_F能够增强系统的搜索能力,而ACS+具有加快系统收敛的特性。3.根据蚁群优化算法寻找路径的特点,提出了运用蚁群优化算法进行迷宫路径的搜索的新方法,并将它拓展到交通路由寻优问题上,给出了阶段性的研究结果,同时对解决交通网络路由问题的研究方案进行了设想。4.如何寻找最优特征脸,提高系统的人脸识别率,是一个NP优化问题。本文提出了利用蚁群优化算法进行人脸特征选择,用支持向量机进行学习和识别的人脸识别方法,提高了系统人脸识别率。5.给定一氨基酸序列,找出蛋白质的最低能量构象,也是一个非常典型的组合优化问题。解决这个问题,具有十分重要的意义。针对HP蛋白质折叠模型,提出了动态繁殖的蚁群优化算法,成功地解决了大部分的HP蛋白质序列的折叠构象。
论文目录:
摘要
Abstract
第一章 绪论
1.1 人工智能
1.2 计算智能
1.3 群智能
1.4 智能优化技术
1.4.1 计算复杂性
1.4.2 智能优化新方法
1.5 研究内容与论文结构安排
第二章 蚁群优化算法的原理及研究
2.1 自然蚂蚁的智能特点
2.2 人工蚂蚁的模型
2.3 蚂蚁系统
2.3.1 旅行商问题
2.3.2 蚂蚁系统
2.3.3 蚂蚁系统的实现步骤
2.3.4 算法复杂度分析
2.4 蚁群优化算法
2.4.1 蚁群优化算法的实现
2.4.2 蚁群优化算法的特点
2.4.3 蚁群优化算法的收敛性
2.5 蚁群优化算法中参数的设置
2.6 信息素的增强
2.7 几种改进的算法
2.8 中国旅行商问题
2.9 小结
第三章 蚁群优化算法在迷宫最短路径问题中的应用
3.1 迷宫最短路径问题
3.2 蚁群优化算法解决迷宫最短路径问题
3.3 交通路由问题
3.4 基于蚁群智能特点的算法在智能交通系统中应用的设想
3.4.1 传统的路径选择算法
3.4.2 三种典型的基于蚁群智能的模型和算法
3.4.3 在交通问题中应用的设想
3.4.5 实现的困难
3.5 小结
第四章 基于蚁群智能的人脸特征选择
4.1 特征选择的基本概念
4.2 人脸识别技术
4.3 主成元分析
4.4 支持向量机
4.5 基于蚁群智能的人脸性别特征选择
4.6 基于蚁群智能和支持向量机的人脸性别识别系统
4.7 人脸性别识别实验结果分析
4.8 基于蚁群智能和支持向量机的人脸识别系统
4.9 人脸识别实验结果及分析
4.10 小结
第五章 解决HP蛋白质折叠问题的动态繁殖的蚁群优化算法
5.1 蛋白质
5.2 蛋白质折叠
5.3 蛋白质HP格点模型
5.4 现存方法
5.5 动态繁殖的蚁群优化算法
5.6 实验结果
5.7 小结
第六章 结论
致谢
参考文献
博士期间发表论文
博士学位论文简况表
指导教师简况表
作者简况表
发布时间: 2007-06-11
参考文献
- [1].混合量子优化算法理论及应用研究[D]. 杨佳.重庆大学2009
- [2].复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用[D]. 闻育.浙江大学2004
- [3].基于群体智能的聚类分析[D]. 曲建华.山东师范大学2010
- [4].蚁群觅食仿真和动画的研究[D]. 孟志刚.中南大学2011
- [5].改进蚁群算法及在路径规划问题的应用研究[D]. 王沛栋.中国海洋大学2012
- [6].复杂动态随机网络最短路径问题研究[D]. 俞峰.浙江大学2009