机器学习课程论文_计算机软件及应用_it计算机_专业资料

机器学习课程论文_计算机软件及应用_it计算机_专业资料

ID:9774845

大小:774.00 KB

页数:26页

时间:2018-05-08

机器学习课程论文_计算机软件及应用_it计算机_专业资料_第1页
机器学习课程论文_计算机软件及应用_it计算机_专业资料_第2页
机器学习课程论文_计算机软件及应用_it计算机_专业资料_第3页
机器学习课程论文_计算机软件及应用_it计算机_专业资料_第4页
机器学习课程论文_计算机软件及应用_it计算机_专业资料_第5页
资源描述:

《机器学习课程论文_计算机软件及应用_it计算机_专业资料》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、机器学习(论文)机器学习(课程论文)-25-机器学习(论文)基于蚁群算法的TSP问题研究摘要本文研究了基于蚁群算法解决TSP问题的原理,算法流程以及用MicrosoftVisualStudio2008程序的仿真。论文首先简单回顾了蚁群算法的历史、发展以及应用,然后详细介绍了基本蚁群算法的原理,包括基本蚁群算法的行为描述和机制原理。其次从基本蚁群算法的系统学特征出发,讨论它具有分布式,自组织,正反馈等特征。接着引出了基本蚁群算法解决的TSP问题,先讨论了组合优化问题,然后从TSP问题的定义,实用价

2、值,理论意义的角度对TSP问题进行阐述。并且重点运用MicrosoftVisualStudio2008的仿真方法,实现了基于蚁群算法的仿真,给出了求解TSP问题的数学模型,实现步骤,描述了蚁群算法的优缺点。论文最后以MicrosoftVisualStudio2008仿真实验为基础,对蚁群算法的主要参数进行了详细的讨论,并且给出了优化的参数选择,解决了算法中存在的不足。论文实现了基于蚁群算法对TSP问题的求解和仿真。关键字:蚁群算法,组合优化,信息素,TSP问题-25-机器学习(论文)目录摘要2第

3、1章绪论41.1蚁群算法概况41.2论文的主要内容4第2章基本蚁群算法简介62.1基本蚁群算法的原理62.1.1蚁群行为描述62.1.2基本蚁群算法的机制原理82.2基本蚁群算法的系统学特征92.2.1分布式92.2.2自组织102.2.3正反馈10第3章组合优化以及TSP问题简介113.1组合优化简介113.1.1引言113.1.2组合优化问题113.1.3NP完全问题123.2TSP问题简介123.2.1TSP问题的定义123.2.2TSP的实用价值123.2.3TSP问题的理论意义123.

4、3基本蚁群算法的数学模型13第4章基本蚁群算法求解TSP154.1基本蚁群算法求解TSP的实现流程154.1.1基本蚁群算法的实现步骤154.1.2基本蚁群算法的结构流程154.2关键参数介绍174.3不同参数设置的试验174.3.1信息素挥发度的设置174.3.2蚁群数量的设置174.3.3启发式因子的设置174.4不同参数设置的试验结果和结论184.4.1信息素挥发度的选择设置184.4.2启发式因子的选择设置21结论与展望26-25-机器学习(论文)第1章绪论蚂蚁是地球上最常见、数量最多的

5、昆虫种类之一,常常成群结队地出现在人类的日常生活环境中。这些昆虫的群体生物智能特征,引起了一些学者的注意。意大利学者M.Dorigo,V.Maniezzo等人在观察蚂蚁的觅食习性时发现,蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现,蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一,在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究,他们发现,整个蚁群就是通过这种信息素进行

6、相互协作,形成正反馈,从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。1.1蚁群算法概况M.Dorigo等人于1991年首先提出了蚁群算法。其主要特点就是:通过正反馈、分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。它充分利用了生物蚁群能通过个体间简单的信息传递,搜索从蚁巢至食物间最短路径的集体寻优特征[1],以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。同时,该算法还被用于求解Job-Shop调度问题、二次指派问题以及多维背包问题等,显示

7、了其适用于组合优化类问题求解的优越特征。蚁群算法之所以能引起相关领域研究者的注意,是因为这种求解模式能将问题求解的快速性、全局优化特征以及在有限时间内答案的合理性结合起来。其中,寻优的快速性是通过正反馈式的信息传递和积累来保证的。而算法的早熟性收敛又可以通过其分布式计算特征加以避免,同时,具有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力,已经在最初的算法模型基础上得到了很大的改进和拓展。以蚁群算法为代表的群智能

8、已成为当今分布式人工智能研究的一个热点,许多源于蜂群和蚁群模型设计的算法己越来越多地被应用于企业的运转模式的研究[2]。美国五角大楼正在资助关于群智能系统的研究工作-群体战略(SwarmStrategy),它的一个实战用途是通过运用成群的空中无人驾驶飞行器和地面车辆来转移敌人的注意力,让自己的军队在敌人后方不被察觉地安全进行。英国电信公司和美国世界通信公司以电子蚂蚁为基础,对新的电信网络管理方法进行了试验。国内,国家自然科学基金”十五”期间学科交叉类优先资助领域中的认知科学及其信息处理的研究内容

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。