基于首次找准原则和相邻原则的LF蚁群聚类的改进算法

发布时间：2018-09-02 07:06

【摘要】：研究了LF蚁群聚类算法的改进问题。首次找准原则能够克服算法运行初期蚂蚁长时间遇不到待处理对象的现象,使得不同的蚂蚁一开始就能遇上不同对象。在LF算法中,当蚂蚁未负载且对当前对象试图执行拾起操作时,若不转移该对象,则采用位置相邻原则来预选下一个待处理对象。当蚂蚁负载且对当前对象试图执行放下操作时,则采用对象间相邻原则来选择相应的放置位置。改进后的算法既可以独立处理聚类问题,又可以作为其他算法的预处理步骤,具有一定的应用价值。
[Abstract]:The improvement of LF ant colony clustering algorithm is studied. For the first time, the principle can overcome the phenomenon that the ant can not meet the object to be processed for a long time at the beginning of the algorithm, so that different ants can meet different objects at the beginning. In the LF algorithm, when the ant is not loaded and trying to pick up the current object, if the object is not transferred, the next object is pre-selected by the position neighbor principle. When ants load and try to drop on the current object, the principle of adjacent objects is used to select the corresponding placement position. The improved algorithm not only can deal with clustering problems independently, but also can be used as a preprocessing step of other algorithms.
【作者单位】： 河海大学商学院;江苏省"世界水谷"与水生态文明协同创新中心;滁州学院数学与金融学院;河海大学项目管理研究所;
【基金】：国家社科基金重点项目(14AZD024);国家社科基金青年项目(15CJL023) 中央高校基本科研业务费专项资金资助(2015B08214,2014B09014)资助课题
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 李聪;封化民;;基于多蚁型的蚁群聚类算法[J];北京电子科技学院学报;2012年04期

2 林金灼;叶东毅;;基于蚁群聚类算法的优化与改进[J];计算机系统应用;2013年12期

3 张建华;江贺;张宪超;;蚁群聚类算法综述[J];计算机工程与应用;2006年16期

4 赵伟丽;张志国;;蚁群聚类算法的改进和实现[J];科技信息(学术研究);2008年02期

5 云健;刘勇奎;何丽君;陈华;王双成;;蚁群聚类在民族突发事件应急决策中的应用[J];计算机应用研究;2009年02期

6 邢洁清;朱庆生;郭平;;蚁群聚类组合方法的研究[J];计算机工程与应用;2009年18期

7 朱峰;陈莉;;一种改进的蚁群聚类算法[J];计算机工程与应用;2010年06期

8 俞辉;裴振奎;陈继东;;一种改进的蚁群聚类算法[J];郑州大学学报(理学版);2010年03期

9 吴春旭;刘艳泽;苟清龙;;基于信息熵的蚁群聚类算法在客户细分中的应用[J];计算机系统应用;2010年07期

10 杨照峰;樊爱京;樊爱宛;;基于自适应蚁群聚类的入侵检测[J];计算机工程与应用;2011年12期

相关会议论文 前5条

1 覃华;徐燕子;张敏;;基于巢模板的核空间蚁群聚类算法的研究[A];广西计算机学会2010年学术年会论文集[C];2010年

2 叶晓曦;;多态蚁群聚类算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 周新华;黄道;;基于改进蚁群聚类算法的最优状态集划分[A];第二十三届中国控制会议论文集（下册）[C];2004年

4 马凯;苏一丹;;一种基于序列相似性的蚁群聚类算法[A];广西计算机学会2009年年会论文集[C];2009年

5 莫锦萍;陈琴;马琳;苏一丹;;使用K-Means优化蚁群聚类模型[A];广西计算机学会2008年年会论文集[C];2008年

相关硕士学位论文 前10条

1 林金灼;蚁群聚类算法的若干改进策略的研究[D];福州大学;2014年

2 杨明浩;面向蛋白质网络功能模块检测的蚁群聚类算法及其并行机制研究[D];北京工业大学;2016年

3 张丽媛;基于蚁群聚类算法的第三方B2B平台买方客户偏好研究[D];东南大学;2016年

4 李媛;基于蚁群算法的第三方B2B平台中小卖方企业定价研究[D];东南大学;2016年

5 王慧;改进的蚁群聚类分析算法的研究[D];河南大学;2009年

6 田园丽;蚁群聚类算法研究与应用[D];辽宁工程技术大学;2011年

7 宋向京;面向复杂网络社团结构发现的蚁群聚类算法研究[D];北京工业大学;2013年

8 曾海群;蚁群聚类算法研究[D];中南大学;2008年

9 刘云;基于蚁群聚类的特征基因选择算法研究[D];湖南大学;2010年

10 罗增琦;一个改进的蚁群聚类优化算法及其仿真实验研究[D];华中科技大学;2006年

，

本文编号：2218634