粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

具有同时的配送和回收需求的逆向物流VRP研究

具有同时的配送和回收需求的车辆路径问题(VRPSDP)是逆向物流研究领域中的一个热点和难点.在对具有同时的配送和回收需求的车辆路径问题进行简单描述的基础上,本文建立了该问题的数学规划模型,并设计破了解决该问题的一种混合遗传算法.最后,通过随机模拟以及与其它算法的比较试验,验证了该混合遗传算法的有效性与优越性.     

组合拍卖竞胜标确定问题的混沌搜索算法

组合拍卖能够提高拍卖的效率,还能降低竞标人的风险. 但竞胜标确定问题是一个NP 难题. 在分析该问题特性的基础上,设计了一种嵌入优先适合启发式规则的混沌搜索算法. 与 传统算法相比,该算法具有实现方便,寻优效果好的优点. 实例计算结果表明了算法在解决该 问题的有效性和广阔的应用前景.     

双层规划问题的粒子群算法研究

提出一种求解一般双层规划问题的层次粒子群算法.和传统的针对特定类型的问题或者基于特定假定假设条件所设计的算法不同,所提出的算法是一个层次算法框架,它通过模拟双层规划的决策过程来直接求解一般双层规划问题.层次粒子群算法将求解一般双层规划问题转化为通过两个变形粒子群算法的交互迭代来求解上下两层规划问题.同其它算法的实验结果比较表明层次粒子群算法是一个有效的求解一般双层规划问题的方法.     

车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

一类表间多层次关联规则挖掘算法研究

关联规则采掘是数据挖掘及其应用研究中的重要内容之一.本文提出了多表间多概念多层次关联规则挖掘问题,研究了相关的挖掘算法,对所提出的算法进行了初步分析.该算法应用于某营销经理信息系统的关联规则挖掘,获得的结果表明算法是实用和有效的.     

基于动态扫描和蚂蚁算法的物流配送网络优化研究

本文在对动态扫描和蚂蚁算法研究的基础上,针对蚂蚁算法在求解大规模物流配送问题中存在的不足,利用动态扫描方法在区域选择方面的实用性和蚂蚁算法在局部优化方面的优点,提出综合两种方法的混合算法,并进行了实验计算.计算结果表明,混合算法获得了较满意的效果.     

基于结构化工作流网的隐含任务挖掘方法

过程挖掘是一种客观、自动化的过程分析技术,它通过挖掘过程日志来得到业务过程的结构模型,是传统过程分析手段的重要补充.如何正确挖掘包含隐含任务的不完整过程日志,是过程挖掘需要解决的难题之一.现有的一些算法如基因算法、α#算法等解决了部分类型隐含任务的挖掘问题,但仍有许多类型的隐含任务无法被正确挖掘.针对这一问题,本文在α#算法的基础上提出了一种基于结构化工作流网的挖掘算法,该算法能够较为完整地挖掘各类包含隐含任务的结构化工作流网模型.通过理论分析和实验验证,该算法的正确性和有效性得到了证明.     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性.     

多维背包问题的二进制蚂蚁算法

针对著名的多维背包问题(MKP), 在蚁群优化系统高维立方体结构的基础上,提出了一种二进制蚂蚁算法(BAS).与其他求解MKP问题的蚂蚁算法不同,BAS根据二进制解的结构设计了特殊的信息素放置方式,同时在算法的迭代过程中允许非可行解的产生,并通过基于问题特征信息的修改算子修复每次迭代所产生的非可行解.BAS算法采用了特殊的信息素更新规则,使得各个选择路径上的信息素可以直接作为选择概率,同时,为了避免算法陷入早熟,BAS设计了简单的局部搜索法,并根据算法所处的不同收敛状况,采用了不同的信息素更新规划和信息素重新初始化的方法.针对MKP基准问题的实验结果表明,BAS具有超越其他蚂蚁算法的求解结果,其求解不同基准测试问题的能力表明了BAS具有解决超大规模MKP问题的潜力.