毕业设计-基本蚁群优化算法及其改进

《毕业设计-基本蚁群优化算法及其改进》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要自意大利学者M.Dorigo于1991年提出蚁群算法后，该算法引起了学者们的极大关注，在短短十多年的时间里，已在组合优化、网络路由、函数优化、数据挖掘、机器人路径规划等领域获得了广泛应用，并取得了较好的效果。本文首先讨论了该算法的基本原理，接着介绍了旅行商问题，然后对蚁群算法及其二种改进算法进行了分析，并通过计算机仿真来说明蚁群算法基本原理，然后分析了聚类算法原理和蚁群聚类算法的数学模型，通过调整传统的蚁群算法构建了求解聚类问题的蚁群聚类算法。最后，本文还研究了一种依赖信息素解决聚类问题的蚁

2、群聚类算法，并把此蚁群聚类算法应用到对人工数据进行分类，还利用该算法对2005年中国24所高校综合实力进行分类，得到的分类结果与实际情况相符，说明了蚁群算法在聚类分析中能够收到较为理想的结果。【关键词】蚁群算法；计算机仿真；聚类；蚁群聚类34StudyonAntColonyAlgorithmanditsApplicationinClusteringAbstract：AstheantcolonyalgorithmwasproposedbyM.Dorigoin1991,itbringedaextre

3、melylargeattentionofscholars,inpastshortmorethantenyears,optimized,thenetworkroute,thefunctioninthecombinationoptimizes,domainsandsoondatamining,robotwayplanhasobtainedthewidespreadapplication,andhasobtainedthegoodeffect.Thisacticlediscussedthebasicp

4、rincipleofitatfirst,thenintroducedtheTSP,thisacticlealsoanalysedtheantcolonyalgorithmanditsimprovedalgorithm,andexplanateditbythecomputersimulates,thenitanalysedtheclusteringalgorithmandtheantclusteringalgorithm,buildedtheantclusteringalgorithtosolut

5、iontheclusteringbythetraditionedantalgorithm.Atlast,thisarticlealsoproposedtheantclusteringalgorithtosolutedtheclusteringdependentonpheromon.Carryontheclassificationtotheartificialdatausingthisantclusteringalgorithm;Usethisalgorithmtocarryontheclassi

6、ficationofthesynthesizestrengthofthe2005Chinese24universities;wecanobtaintheclassifiedresultwhichmatchestotheactualsituationcase.Inthenextwork,wealsoshoulddothedifferentclusteralgorithmrespectivegoodandbadpointsaswellastheclassifiedperformanceaspectt

7、hecomparisonresearch;distinguishthedifferentperformanceofdifferentalgorithmintheanalysiswhenthedatesaredifferent.Keywords：Antcolonyalgorithm;Computersimulation;clustering;Antclustering34目录341引言11.1群智能11.2蚁群算法21.3聚类问题31.4本文研究工作42蚁群算法原理及算法描述52.1蚁群算法原理5

8、2.2蚁群优化的原理分析72.3算法基本流程92.4蚁群觅食过程计算机动态模拟102.5人工蚂蚁与真实蚂蚁的对比122.6本章小结133基本蚁群优化算法及其改进143.1旅行商问题143.2基本蚁群算法及其典型改进143.2.1蚂蚁系统143.2.2蚁群系统153.2.3最大-最小蚂蚁系统153.3基本蚁群算法仿真实验153.3.1软硬件环境153.3.2重要参数设置153.3.3仿真试验163.4本章小结184蚁群聚类算法及其应用194.1聚类问题194.2蚁群聚类算法的数学模型204.3蚁群