烟花算法研究及其在聚类中的应用
发布时间：2021-11-07 16:16
烟花算法是一种非生物群体智能优化算法,该算法模拟烟花在夜空中爆炸产生火花行为而提出的一种爆炸搜索方式,目的是求解复杂问题全局最优解。传统烟花算法对最优值在原点附近的优化函数具有很好的寻优能力,但对于那些最优值不在原点附近的目标函数,算法表现一般,原因是传统烟花算法采用的映射方法较容易将越界的火花映射到搜索空间原点位置附近,这对于最优值在原点位置附近的优化问题无意中加速了算法的收敛性,但这并不是群体智能的表现。在增强烟花算法（EFWA）中针对这一问题提出了随机映射规则,将越界的火花随机映射到可行域内的任意位置,但这种随机映射规则不能动态地根据当前种群评估状态进行映射位置的有效调整。为此,本文提出了一种新的映射规则——根据算法当前评估进度动态地将越界火花映射到当前适应度值最好的烟花附近,从而提出了基于最优火花的动态映射烟花算法（DMFWA）。通过使用新的映射规则,提高了算法收敛速度与精度。EFWA中使用最小爆炸半径检测机制来改善适应度值最好的烟花的局部搜索能力,然而该机制中使用的最终爆炸半径参数值由目标函数的边界来决定,这种方式对于不同边界函数在算法收敛后期影响较大,边界范围大的目标函数在...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
1.绪论
1.1 研究背景
1.2 研究现状
1.3 本文工作
1.4 内容安排
2.烟花算法研究
2.1 经典智能优化算法
2.1.1 遗传算法
2.1.2 粒子群算法
2.2 烟花算法
2.2.1 烟花算法的基本原理
2.2.2 烟花算法的基本概念
2.2.3 烟花算法的组成
2.2.4 烟花算法实现
2.2.5 烟花算法流程
2.2.6 烟花算法特性分析
2.3 增强烟花算法
2.3.1 最小半径检测策略
2.3.2 新型爆炸火花产生方式
2.3.3 新型高斯变异算子
2.3.4 新型映射规则
2.3.5 精英选择策略
2.4 本章小结
3.基于最优火花的动态映射烟花算法
3.1 新型映射规则
3.2 最小爆炸半径检测机制优化
3.3 新型选择策略
3.4 算法流程设计与实现
3.4.1 算法流程设计
3.4.2 算法实现
3.5 算法仿真与分析
3.5.1 基准测试函数
3.5.2 仿真环境及参数设置
3.5.3 仿真结果与分析
3.6 本章小结
4.DMFWA聚类算法分析与应用
4.1 聚类流程与方法介绍
4.1.1 聚类流程
4.1.2 常用聚类方法
4.1.3 k-means算法
4.1.4 k-means++算法
4.1.5 AgglomerativeClustering算法
4.1.6 AP算法
4.2 DMFWA聚类分析算法
4.2.1 聚类问题转化为优化问题
4.2.2 DMFWA聚类算法设计与实现
4.3 聚类实验与结果分析
4.3.1 实验数据集
4.3.2 数据标准化
4.3.3 聚类结果评估方式
4.3.4 算法参数设置
4.3.5 实验结果与分析
4.4 本章小结
5.结束语
5.1 研究总结
5.2 研究展望
附录
附录A 测试函数图像
附录B 样本相似度计算方法
附录C 训练样本原始数据
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]带有引力搜索算子的烟花算法[J]. 朱启兵,王震宇,黄敏. 控制与决策. 2016(10)
[2]具有学习因子的动态搜索烟花算法[J]. 方柳平,汪继文,邱剑锋,朱林波,苏守宝. 计算机科学与探索. 2017(03)
[3]基于二进制编码的烟花聚类算法[J]. 李雪源,崔颖. 应用科技. 2016(01)
[4]反向烟花算法及其应用研究[J]. 李浩,柏鹏,张辉,金宏斌,薛俊杰. 西安交通大学学报. 2015(11)
[5]烟花算法求解JSP问题的研究[J]. 包晓晓,叶春明,黄霞. 计算机工程与应用. 2017(03)
[6]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[7]烟花算法研究进展[J]. 谭营,郑少秋. 智能系统学报. 2014(05)
[8]最大距离法选取初始簇中心的K-means文本聚类算法的研究[J]. 翟东海,鱼江,高飞,于磊,丁锋. 计算机应用研究. 2014(03)
[9]烟花算法求解非线性方程组[J]. 杜振鑫. 现代计算机(专业版). 2013(04)
[10]聚类分析研究中的若干问题[J]. 王骏,王士同,邓赵红. 控制与决策. 2012(03)
博士论文
[1]进化算法及智能数据挖掘若干问题研究[D]. 张捷.西安电子科技大学 2013
[2]数据降维算法研究及其应用[D]. 张田昊.上海交通大学 2008
硕士论文
[1]Affinity Propagation聚类算法的改进及其应用研究[D]. 李萍.浙江大学 2017
[2]面向高维复杂数据的降维算法研究[D]. 刘卫芳.西安电子科技大学 2014
[3]基于群智能优化的聚类算法研究[D]. 王冲.陕西师范大学 2013
本文编号：3482160
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
1.绪论
1.1 研究背景
1.2 研究现状
1.3 本文工作
1.4 内容安排
2.烟花算法研究
2.1 经典智能优化算法
2.1.1 遗传算法
2.1.2 粒子群算法
2.2 烟花算法
2.2.1 烟花算法的基本原理
2.2.2 烟花算法的基本概念
2.2.3 烟花算法的组成
2.2.4 烟花算法实现
2.2.5 烟花算法流程
2.2.6 烟花算法特性分析
2.3 增强烟花算法
2.3.1 最小半径检测策略
2.3.2 新型爆炸火花产生方式
2.3.3 新型高斯变异算子
2.3.4 新型映射规则
2.3.5 精英选择策略
2.4 本章小结
3.基于最优火花的动态映射烟花算法
3.1 新型映射规则
3.2 最小爆炸半径检测机制优化
3.3 新型选择策略
3.4 算法流程设计与实现
3.4.1 算法流程设计
3.4.2 算法实现
3.5 算法仿真与分析
3.5.1 基准测试函数
3.5.2 仿真环境及参数设置
3.5.3 仿真结果与分析
3.6 本章小结
4.DMFWA聚类算法分析与应用
4.1 聚类流程与方法介绍
4.1.1 聚类流程
4.1.2 常用聚类方法
4.1.3 k-means算法
4.1.4 k-means++算法
4.1.5 AgglomerativeClustering算法
4.1.6 AP算法
4.2 DMFWA聚类分析算法
4.2.1 聚类问题转化为优化问题
4.2.2 DMFWA聚类算法设计与实现
4.3 聚类实验与结果分析
4.3.1 实验数据集
4.3.2 数据标准化
4.3.3 聚类结果评估方式
4.3.4 算法参数设置
4.3.5 实验结果与分析
4.4 本章小结
5.结束语
5.1 研究总结
5.2 研究展望
附录
附录A 测试函数图像
附录B 样本相似度计算方法
附录C 训练样本原始数据
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]带有引力搜索算子的烟花算法[J]. 朱启兵,王震宇,黄敏. 控制与决策. 2016(10)
[2]具有学习因子的动态搜索烟花算法[J]. 方柳平,汪继文,邱剑锋,朱林波,苏守宝. 计算机科学与探索. 2017(03)
[3]基于二进制编码的烟花聚类算法[J]. 李雪源,崔颖. 应用科技. 2016(01)
[4]反向烟花算法及其应用研究[J]. 李浩,柏鹏,张辉,金宏斌,薛俊杰. 西安交通大学学报. 2015(11)
[5]烟花算法求解JSP问题的研究[J]. 包晓晓,叶春明,黄霞. 计算机工程与应用. 2017(03)
[6]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[7]烟花算法研究进展[J]. 谭营,郑少秋. 智能系统学报. 2014(05)
[8]最大距离法选取初始簇中心的K-means文本聚类算法的研究[J]. 翟东海,鱼江,高飞,于磊,丁锋. 计算机应用研究. 2014(03)
[9]烟花算法求解非线性方程组[J]. 杜振鑫. 现代计算机(专业版). 2013(04)
[10]聚类分析研究中的若干问题[J]. 王骏,王士同,邓赵红. 控制与决策. 2012(03)
博士论文
[1]进化算法及智能数据挖掘若干问题研究[D]. 张捷.西安电子科技大学 2013
[2]数据降维算法研究及其应用[D]. 张田昊.上海交通大学 2008
硕士论文
[1]Affinity Propagation聚类算法的改进及其应用研究[D]. 李萍.浙江大学 2017
[2]面向高维复杂数据的降维算法研究[D]. 刘卫芳.西安电子科技大学 2014
[3]基于群智能优化的聚类算法研究[D]. 王冲.陕西师范大学 2013
本文编号：3482160
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3482160.html
