人工鱼群算法在聚类问题中的应用研究

论文摘要

聚类在数据挖掘、统计学、机器学习等很多领域都有广泛应用。聚类问题实质是一个全局优化问题。遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。人工鱼群算法(AFSA)是一种新提出的新型仿生优化算法。它采用自下而上的设计方法,对寻优空间的形式和性质没有特殊要求。算法具有良好自适应能力,克服局部极值、取得全局最优值的能力和较快的收敛速度,可用于许多优化模型的求解。人工鱼群算法为求解优化问题提供一种新思路,新方法。本文在深入研究人工鱼群算法和遗传算法的基础上,将遗传算法中的选择、变异交叉融合到人工鱼群算法,提出一种人工鱼群算法与遗传算法融合算法,并应用于求解聚类问题。本文的主要研究内容和研究成果如下：1.在深入研究人工鱼群算法和聚类问题的基础上,提出了求解分类数目已知的聚类问题的人工鱼群算法。首先构造人工鱼个体模型,确定人工鱼个体和聚类问题的联系,确定算法的目标函数,然后编程求得最优解。2.在深入研究求解聚类问题的人工鱼群算法的基础上,为了克服算法初期收敛速度快,后期收敛速度慢的缺陷,本文提出了一种改进人工鱼群算法。在最优值连续无变化或变化不明显时采用变异或交叉操作,消除人工鱼漫无目的随机游动或大量聚集在非全局极值点附近的局限,提高算法的求解速度和求解精度,改善求解质量。

论文目录

• 摘要
• Abstract
• 目录
• 插图清单
• Illustration List
• 第一章 绪论
• 1.1 数据挖掘技术
• 1.1.1 数据挖掘技术的应用领域及研究现状
• 1.1.2 数据挖掘技术概述
• 1.2 聚类分析
• 1.2.1 什么是聚类分析
• 1.2.2 聚类分析方法
• 1.2.3 K-means算法
• 1.3 智能优化算法
• 1.3.1 主要的智能优化算法
• 1.3.2 智能优化算法研究现状
• 1.4 本文主要研究内容
• 1.4.1 研究的目的和意义
• 1.4.2 研究的主要思路
• 1.4.3 论文各部分的主要内容
• 第二章 人工鱼群算法
• 2.1 基本人工鱼群算法
• 2.1.1 人工鱼的相关定义
• 2.1.2 行为描述
• 2.1.3 行为选择
• 2.2 组合优化问题的人工鱼群算法
• 2.2.1 组合优化问题
• 2.2.2 人工鱼群算法中的距离和领域
• 2.2.3 组合优化问题的人工鱼群算法
• 2.2.4 人工鱼群算法求解聚类问题
• 2.3 人工鱼群算法研究现状及发展趋势
• 2.4 小结
• 第三章 遗传算法
• 3.1 遗传算法的产生和发展
• 3.2 遗传算法
• 3.2.1 基本概念
• 3.2.2 遗传算法的基本原理
• 3.2.3 遗传算法的应用步骤
• 3.3 小结
• 第四章 改进人工鱼群算法求解聚类问题
• 4.1 人工鱼群算法与遗传算法融合聚类算法中的元素
• 4.2 人工鱼群算法与遗传算法融合
• 4.2.1 觅食行为与选择算法的融合
• 4.2.2 融合变异算子
• 4.2.3 融合交叉算子
• 4.3 算法进一步优化
• 4.3.1 优化算法,提高运算速度
• 4.3.2 利用公告板引导算法快速收敛
• 4.4 整体算法描述
• 4.5 仿真实验
• 4.6 小结
• 第五章 总结与展望
• 5.1 论文主要贡献
• 5.2 进一步的工作
• 参考文献
• 附录1 （部分程序源码）
• 附录2 （部分实验数据）
• 作者攻读硕士学位期间发表的论文
• 作者攻读硕士学位期间参与的项目
• 致谢