蜘蛛群优化算法及应用研究

发布时间：2017-07-31 01:14

  本文关键词：蜘蛛群优化算法及应用研究

  更多相关文章： 蜘蛛群算法 复数编码 聚类问题 单纯形法 社会行为 前馈神经网络

【摘要】：蜘蛛群算法是模拟一种群居蜘蛛的合作捕食,织网交流以及繁衍后代等行为而设计的一种群智能优化算法。在蜘蛛群算法模型中,个体是根据性别分工协作。不但更真实的反映了群体的合作行为,同时也一定程度上平衡了算法探测和开采能力。蜘蛛群优化算法结构直观,容易理解,有较好的搜索能力。因此,已被国内外学者广泛地应用于各个领域。但随着搜索空间维数的增加,该算法存在着易于陷入局部最优,收敛速度慢和计算精度低等缺点,限制了该算法的应用领域。本论文针对蜘蛛群优化算法所存在的不足,从编码方式和进化新策略等方面对其进行了改进,并将改进后的算法应用于一些复杂的优化问题中。目的在于改进蜘蛛群优化算法的性能,完善其算法的理论基础,拓广其应用领域。主要成果如下:(1)采用复数编码双倍体的思想对蜘蛛群算法的编码方式进行优化,提出一种复数编码蜘蛛群优化算法,增加了算法的种群多样性,增强了算法的全局搜索能力,避免算法过早地就陷入局部最优解的同时提高了算法的寻优精度。(2)针对传统聚类算法存在着对初始数据敏感,易陷入局部最优以及在解决高维大数据集时效率和效果差等问题,本文引入一种随机变化的单纯形进化策略,在增强算法全局和局部搜索能力的同时加快了算法的收敛算速度,提高了算法的精度。分析和比较实验结果表明,改进的蜘蛛群优化算法提高了求解聚类问题的精度和效率。(3)针对传统数学和确定性方法在训练前馈神经网络时易陷入局部最优,种群多样性不高等问题,借鉴粒子群算法,将个体的社会行为引入到蜘蛛群优化算法中,提出一种具有社会行为的蜘蛛群优化算法,使蜘蛛个体具备简单学习能力。极大的增强了算法的探测和开采能力。比较分析实验结果表明有社会行为的蜘蛛群优化算法对训练前馈神经网络结构是有效的。
【关键词】：蜘蛛群算法 复数编码 聚类问题 单纯形法 社会行为 前馈神经网络
【学位授予单位】：广西民族大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-12
• 1.1 引言9-10
• 1.2 国内外研究进展10
• 1.3 论文主要创新点10
• 1.4 论文主要工作及结构安排10-12
• 2 基本蜘蛛群优化算法12-16
• 2.1 引言12
• 2.2 蜘蛛群优化算法12-15
• 2.2.1 初始化蜘蛛群体12-13
• 2.2.2 适应度值计算及权重分配13
• 2.2.3 震动交流信息13
• 2.2.4 雌性蜘蛛位置更新13-14
• 2.2.5 雄性蜘蛛位置更新14
• 2.2.6 交配繁殖行为14
• 2.2.7 基本蜘蛛群优化算法步骤14-15
• 2.3 本章小结15-16
• 3 基于复数编码的蜘蛛群优化算法16-34
• 3.1 引言16
• 3.2 复数编码蜘蛛群优化算法16-18
• 3.2.1 初始化复数编码的种群16
• 3.2.2 复数编码蜘蛛群优化算法更新16-17
• 3.2.3 适应度值的计算17-18
• 3.3 复数编码蜘蛛算法伪代码18-19
• 3.4 复数编码蜘蛛算法流程图19-20
• 3.5 仿真实验20-33
• 3.5.1 实验仿真平台20
• 3.5.2 测试函数20-21
• 3.5.3 参数设置21
• 3.5.4 实验结果比较21-30
• 3.5.5 工程设计优化问题30-33
• 3.6 结论33-34
• 4 基于单纯形法的蜘蛛群优化算法解决聚类分析问题34-55
• 4.1 引言34-35
• 4.2 聚类分析的数学模型35-36
• 4.2.1 问题描述35
• 4.2.2 聚类标准35-36
• 4.2.3 数据聚类的评价函数36
• 4.3 基于单纯形法的蜘蛛群优化算法36-40
• 4.3.1 单纯形法36-37
• 4.3.2 SMSSO求解聚类问题的流程37-40
• 4.4 仿真实验和结果分析40-54
• 4.4.1 仿真实验平台40
• 4.4.2 实验基准数据集40-41
• 4.4.3 参数设置41
• 4.4.4 实验结果对比分析41-50
• 4.4.5 聚类图形结果比较50-54
• 4.5 本章小结54-55
• 5 具有社会行为的蜘蛛群优化算法训练前馈神经网络55-68
• 5.1 引言55-56
• 5.2 前馈神经网络数学模型56-58
• 5.2.1 前馈神经网络结构56-57
• 5.2.2 性能评价函数57-58
• 5.3 基于社会行为的蜘蛛群优化算法58-61
• 5.3.1 社会行为蜘蛛算法位置更新58
• 5.3.2 随机差分变异策略58-59
• 5.3.3 SBSSO算法训练前馈神经网络59-61
• 5.4 仿真实验61-66
• 5.4.1 实验平台61
• 5.4.2 实验基准数据集61
• 5.4.3 参数设置61-62
• 5.4.4 实验结果与分析62-66
• 5.5 本章结论66-68
• 6 总结和展望68-70
• 6.1 论文总结68
• 6.2 未来的工作68-70
• 参考文献70-79
• 附录79-90
• 致谢90-91
• 攻读硕士学位期间发表的学术论文91-92
• 攻读硕士学位期间参与的科研项目92

【相似文献】

中国期刊全文数据库 前10条

1 朱锐;徐友云;蔡跃明;;低密度奇偶校验码的构造[J];军事通信技术;2005年04期

2 刘星成;程浩辉;;基于PEG算法的准循环LDPC码构造方法研究[J];电路与系统学报;2009年04期

3 郑斌;李涓子;;一种基于FP-Growth的改进算法[J];平顶山工学院学报;2008年04期

4 朱延广;梅珊;赵雯;朱一凡;;支持复杂产品总体优化设计的多算法协作优化框架研究[J];系统仿真学报;2007年11期

5 白洪涛,孙吉贵,焦洋,徐长青;网络优化算法的实现与比较[J];吉林大学学报(信息科学版);2002年02期

6 刘康,余玲;蚁群算法及其连续优化算法初析[J];四川轻化工学院学报;2004年01期

7 黄琪;李丹;汪洋;张钦宇;;一种优化LDPC码环分布的改进算法[J];通信技术;2010年05期

8 徐艳;董涛;;一种防火墙规则冲突快速检测算法[J];计算机技术 与发展;2013年09期

9 张磊;沈夏炯;韩道军;安广伟;;基于同义概念的概念格纵向合并算法[J];计算机工程与应用;2007年02期

10 谢廷婷;;频繁集挖掘算法研究[J];计算机与现代化;2007年03期

中国重要会议论文全文数据库 前2条

1 潘志明;郑骏;钱卫宁;周傲英;;构造XML相似相关结构库的一种有效方法[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

2 林景亮;董槐林;姜青山;吴书;;一种基于新增阈值的频繁模式挖掘算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前7条

1 张磊;基于概念格的角色工程相关算法研究[D];哈尔滨工业大学;2015年

2 孟静;新型Krylov子空间算法及其应用研究[D];电子科技大学;2015年

3 胡芳;复杂网络节点中心性多元评估与社团探测新算法研究[D];华中师范大学;2015年

4 唐益明;（1，2，2）型异蕴涵泛三I算法及其应用研究[D];合肥工业大学;2011年

5 牛云云;求解计算困难问题的膜计算模型与算法研究[D];华中科技大学;2012年

6 李冬冬;基因组序列标注的算法与理论研究[D];国防科学技术大学;2004年

7 周琨;航空公司航班运行调度模型与算法研究[D];南京航空航天大学;2012年

中国硕士学位论文全文数据库 前10条

1 闫铭;基于度量学习的不完整数据聚类方法研究[D];哈尔滨工业大学;2015年

2 张小琼;基于改进萤火虫群优化算法的BP神经网络研究[D];广西大学;2015年

3 李俊杰;基于蚁群算法的聚类区分器设计研究[D];电子科技大学;2014年

4 艾慧;天波雷达电离层污染校正与测高算法研究[D];电子科技大学;2015年

5 陈红强;大规模并行排序学习算法研究[D];西安电子科技大学;2014年

6 郭艳茹;k-中心平面聚类模型与算法研究[D];浙江工业大学;2015年

7 彭辉辉;基于压缩感知的心电信号压缩算法研究[D];东南大学;2015年

8 葛娜;高效用项集动态挖掘算法的研究[D];中北大学;2016年

9 叶馨;闭项集挖掘算法在医保目录制定问题上的研究与应用[D];中国科学技术大学;2016年

10 张靓云;面向微博的事件摘要生成算法研究与实现[D];西南交通大学;2016年

，

本文编号：596834