题名 粒子群优化算法综述
被引量：358
1
作者
杨维 李歧强
机构
山东大学控制科学与工程学院
出处
《中国工程科学》
2004年第5期87-94,共8页
基金
"八六三"高技术资助项目 ( 2 0 0 1AA413 42 0 ) 山东省自然科学基金资助项目 ( 2 0 0 3G0 1)
文摘
粒子群优化 (PSO)算法是一种新兴的优化技术 ,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现 ,可调参数少 ,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等 。
关键词
群体智能 演化算法 粒子群优化
Keywords
swarm intelligence evolutionary algorithm particle swarm optimization
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 一种更简化而高效的粒子群优化算法
被引量：334
2
作者
胡旺 李志蜀
机构
四川大学计算机学院
出处
《软件学报》
EI
CSCD
北大核心
2007年第4期861-868,共8页
文摘
针对基本粒子群优化(basic particle swarm optimization,简称bPSO)算法容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点,采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出了简化粒子群优化(simple particle swarm optimization,简称sPSO)算法、带极值扰动粒子群优化(extremum disturbed particle swarm optimization,简称tPSO)算法和基于二者的带极值扰动的简化粒子群优化(extremum disturbed and simple particle swarm optimization,简称tsPSO)算法.sPSO去掉了PSO进化方程的粒子速度项而使原来的二阶微分方程简化为一阶微分方程,仅由粒子位置控制进化过程,避免了由粒子速度项引起的粒子发散而导致后期收敛变慢和精度低问题.tPSO增加极值扰动算子可以加快粒子跳出局部极值点而继续优化.对几个经典测试函数进行实验的结果表明,sPSO能够极大地提高收敛速度和精度;tPSO能够有效摆脱局部极值点;以上两种策略相结合,tsPSO以更小的种群数和进化世代数获得了非常好的优化效果,从而使得PSO算法更加实用化.
关键词
进化计算 群体智能 粒子群优化 极值扰动
Keywords
evolutionary computation swarm intelligence particle swarm optimization disturbed extremum
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 粒子群优化算法在电力系统中的应用
被引量：219
3
作者
袁晓辉 王乘 张勇传 袁艳斌
机构
华中科技大学 武汉理工大学
出处
《电网技术》
EI
CSCD
北大核心
2004年第19期14-19,共6页
基金
国家自然科学基金资助项目(50309013) 中国博士后科学基金资助项目(2003033464)。~~
文摘
粒子群优化方法是一种基于群体智能的新型演化计算技术。它在函数优化、神经网络设计、分类、模式识别、信号处理、机器人技术等许多领域已取得了成功应用,但在电力系统中应用的研究起步较晚,关于它实际应用的报道尚不多见。文章较为全面地详述了粒子群优化方法在配电网扩展规划、检修计划、机组组合、负荷经济分配、最优潮流计算与无功优化控制、谐波分析与电容器配置、配电网状态估计、参数辨识、优化设计等方面应用的主要研究成果。随着粒子群优化理论研究的深入,它还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥巨大的应用潜力。
关键词
电力系统 配电网 最优潮流计算 无功优化 机组组合 谐波分析 电容器 粒子群优化 群体智能 机器人技术
Keywords
Artificial intelligence Capacitors Electric generators Harmonic analysis Neural networks Optimization Pattern recognition Signal processing
分类号
TM744
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种新的群体智能算法--狼群算法
被引量：185
4
作者
吴虎胜 张凤鸣 吴庐山
机构
空军工程大学装备管理与安全工程学院 武警工程大学装备工程学院 上海工程技术大学电子电气工程
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2013年第11期2430-2438,共9页
基金
国家自然科学基金(71171199)资助课题
文摘
基于狼群群体智能,模拟狼群捕食行为及其猎物分配方式,抽象出游走、召唤、围攻3种智能行为以及"胜者为王"的头狼产生规则和"强者生存"的狼群更新机制,提出一种新的群体智能算法———狼群算法(wolf pack algorithm,WPA),并基于马尔科夫链理论证明了算法的收敛性。将算法应用于15个典型复杂函数优化问题,并同经典的粒子群算法、鱼群算法和遗传算法进行比较。仿真结果表明,该算法具有较好的全局收敛性和计算鲁棒性,尤其适合高维、多峰的复杂函数求解。
关键词
进化计算 群体智能 狼群算法 函数优化
Keywords
evolutionary computation swarm intelligence wolf pack algorithm（WPA） function optimization
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种改进的自适应逃逸微粒群算法及实验分析
被引量：134
5
作者
赫然 王永吉 王青 周津慧 胡陈勇
机构
中国科学院软件研究所互联网软件技术实验室
出处
《软件学报》
EI
CSCD
北大核心
2005年第12期2036-2044,共9页
基金
国家自然科学基金 国家高技术研究发展计划(863) 中国科学院"百人计划"~~
文摘
分析了变异操作对微粒群算法(particleswarmoptimization,简称PSO)的影响,针对收敛速度慢、容易陷入局部极小等缺点,结合生物界中物种发现生存密度过大时会自动分家迁移的习性,给出了一种自适应逃逸微粒群算法,并证明了它依概率收敛到全局最优解.算法中的逃逸行为是一种简化的确定变异操作.当微粒飞行速度过小时,通过逃逸运动使微粒能够有效地进行全局和局部搜索,减弱了随机变异操作带来的不稳定性.典型复杂函数优化的仿真结果表明,该算法不仅具有更快的收敛速度,而且能更有效地进行全局搜索.
关键词
微粒群算法 逃逸速度 自适应 变异操作 群体智能
Keywords
particle swarm optimization escape velocity self-adaptive mutation swarm intelligence
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 灰狼优化算法研究综述
被引量：156
6
作者
张晓凤 王秀英
机构
青岛科技大学信息科学技术学院
出处
《计算机科学》
CSCD
北大核心
2019年第3期30-38,共9页
基金
国家自然科学基金项目(61773107 61403071)资助
文摘
灰狼优化(Grey Wolf Optimization,GWO)算法是一种新兴的群体智能优化算法,因简单高效而被成功应用于诸多领域。文章阐述了灰狼优化算法的搜索机制和实现过程,分析灰狼优化算法的特性,对目前GWO算法的相关改进及应用进行综述。重点对GWO算法的改进策略,包括种群初始化的改进、搜索机制的改进、参数的改进等进行了描述,对GWO算法在参数优化、复杂函数优化和组合优化等方面的应用进行了讨论。最后,对GWO算法的未来改进策略和实际应用进行了展望。
关键词
灰狼优化算法 群体智能 搜索机制 参数优化
Keywords
Grey wolf optimization algorithm Swarm intelligence Search mechanism Parameter optimization
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 人工蜂群算法研究综述
被引量：145
7
作者
秦全德 程适 李丽 史玉回
机构
管理科学系深圳大学 宁波诺丁汉大学计算机科学系 西交利物浦大学电气电子工程系
出处
《智能系统学报》
CSCD
北大核心
2014年第2期127-135,共9页
基金
国家自然科学基金资助项目(71240015 61273367) +1 种基金 广东高校优秀青年创新人才培养计划资助项目(2012WYM_0116) 教育部人文社科青年基金资助项目(13YJC630123)
文摘
作为一种较新的群体智能优化算法,人工蜂群算法自提出之时就受到学术界的广泛关注,目前已经在多个领域得到了成功应用。介绍了人工蜂群算法的生物背景和基本原理,在对基本人工蜂群算法的不足进行分析的基础上,归纳了当前人工蜂群算法的改进研究主要集中在算法的参数调整、混合算法和设计新的学习策略3个方面。针对现实的复杂环境,对人工蜂群算法在约束优化和多目标优化的研究进展进行了全面的综述。最后,阐述了人工蜂群算法的应用现状,并提出了人工蜂群算法有待进一步研究的问题。
关键词
群体智能 人工蜂群算法 约束优化 多目标优化 选择算法
Keywords
swarm intelligence artificial bee colony algorithm constrained optimization multi-objective optimiza- tion optimization algorithm
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
F062.3
[自动化与计算机技术—控制科学与工程]
题名 人工智能2.0与教育的发展
被引量：144
8
作者
潘云鹤
机构
浙江大学 中国工程院
出处
《中国远程教育》
CSSCI
北大核心
2018年第5期5-8,44,共5页
文摘
人工智能正在从1.0走向2.0,主要有三个方面的具体原因:一是社会产生了新的需求,二是信息环境发生了巨大变化,三是人工智能的基础和目标发生了变化,当然总的原因是人类社会结构从物理空间—社会空间的二元结构转变为物理空间—社会空间—信息空间的三元结构。人工智能2.0包括五个方面的基础研究:大数据智能;群体智能;跨媒体智能;人机混合增强智能;自主智能系统。目前人工智能2.0技术已经初露锋芒,对教育将产生多方面的影响:大数据智能将使个性化教育获得极大支持;跨媒体学习将取得很大的进展;终身学习将得到智能化的支持;数字图书馆建设将转变为智能图书馆建设;队伍组织和人才培养将成为新一代人工智能战略实施过程中极为重要的两个关键因素。
关键词
人工智能 2.0 大数据智能 群体智能 跨媒体智能 人机混合增强智能 自主钭能系统 个性化教育 跨媒体学习 终身学习 智能 图书馆人才培养
Keywords
artificial intelligence big data intelligence collective intelligence cross media intelligence man-machine hybrid enhanced intelligence autonomous and intelligent systems personalized education cross media learning lifelong learning intelligent library talents cultivation
分类号
G420
[文化科学—课程与教学论]
题名 烟花算法研究进展
被引量：113
9
作者
谭营 郑少秋
机构
北京大学机器感知与智能教育部重点实验室 北京大学信息科学与技术学院
出处
《智能系统学报》
CSCD
北大核心
2014年第5期515-528,共14页
基金
国家自然科学基金资助项目(61375119 61170057 60875080)
文摘
烟花算法由于具有很强的优化问题求解的能力,近年来逐渐受到研究者的广泛关注。对现有烟花算法的研究工作进行了全面总结,主要包括烟花算法提出的背景、烟花算法的基本原理、单目标烟花算法的改进、混合算法、多目标烟花算法、基于GPU的并行烟花算法以及烟花算法在实际问题中的应用研究等。对于单目标烟花算法及改进算法、混合算法,文中给出了各种改进烟花算法的机制分析和对比研究,最后,给出了烟花算法的未来研究方向,包括爆炸算子搜索机制的深入分析、烟花交互机制研究、多目标烟花算法研究、并行烟花算法研究、扩展烟花算法求解的问题类型以及应用拓展。
关键词
群体智能 烟花算法 爆炸半径 自适应爆炸半径 动态搜索机制 多目标烟花算法 并行实现
Keywords
swarm intelligence fireworks algorithm explosion amplitude adaptive explosion amplitude dynamic search strategy multi-objective fireworks algorithm parallel implementation
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种改进的人工鱼群算法
被引量：95
10
作者
王联国 洪毅 赵付青 余冬梅
机构
兰州理工大学电气工程与信息工程学院 甘肃农业大学信息科学技术学院
出处
《计算机工程》
CAS
CSCD
北大核心
2008年第19期192-194,共3页
基金
甘肃省教育厅科研基金资助项目(0602-12)
文摘
人工鱼群算法是一种基于动物行为的群体智能优化算法。该文提出一种改进的人工鱼群算法,在觅食行为中让人工鱼直接移动到较优位置,以加快算法的搜索速度,动态调整人工鱼的视野和步长,使其在算法运行初期保持最大值,并逐渐由大变小。该算法较好地平衡了全局搜索能力和局部搜索能力,提高了算法运行效率和精度。仿真结果表明,改进的人工鱼群算法收敛性能比原有算法提高了1倍以上。
关键词
人工鱼群算法 群体智能 优化
Keywords
artificial fish swarm algorithm swarm intelligence optimization
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种基于粒子群算法求解约束优化问题的混合算法
被引量：48
11
作者
李炳宇 萧蕴诗 吴启迪
机构
同济大学电子与信息工程学院
出处
《控制与决策》
EI
CSCD
北大核心
2004年第7期804-807,812,共5页
基金
国家自然科学基金资助项目(70271035 60104004) +1 种基金 国家973子项目资助(2002CB312202) 上海市启明计划(03QG14053).
文摘
通过将粒子群算法(PSO)与差别进化算法(DE)相结合,提出一种混合算法PSODE,用于求解约束优化问题.PSODE是在PSO算法中适当引入不可行解,将粒子群拉向约束边界,加强对约束边界的搜索,同时与DE算法结合以加强搜索能力.基于典型高维复杂函数的仿真表明,该算法简单高效,鲁棒性强.
关键词
约束优化问题 粒子群优化算法 群体智能 差别进化
Keywords
Computer simulation Constraint theory Optimization
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 一种基于群体智能的Web文档聚类算法
被引量：41
12
作者
吴斌 傅伟鹏 郑毅 刘少辉 史忠植
机构
中国科学院计算技术研究所智能信息处理开放重点实验室
出处
《计算机研究与发展》
EI
CSCD
北大核心
2002年第11期1429-1435,共7页
基金
国家自然科学基金项目 ( 6 0 0 730 19 90 10 40 2 1) 北京市自然科学基金重点项目 ( 4 0 110 0 3)资助
文摘
将群体智能聚类模型运用于文档聚类 ,提出了一种基于群体智能的 Web文档聚类算法 .首先运用向量空间模型表示 Web文档信息 ,采用常规方法如消除无用词和特征词条约简法则得到文本特征集 ,然后将文档向量随机分布到一个平面上 ,运用基于群体智能的聚类方法进行文档聚类 ,最后从平面上采用递归算法收集聚类结果 .为了改善算法的实用性 ,将原算法与 k均值算法相结合提出一种混合聚类算法 .通过实验比较 ,结果表明基于群体智能的 Web文档聚类算法具有较好的聚类特性 ,它能将与一个主题相关的 Web文档较完全而准确地聚成一类 .
关键词
群体智能 WEB 文档聚类算法 自组织聚类 群体 相似度互联网 信息检索
Keywords
swarm intelligence, document clustering, self-organizing clustering, swarm similarity
分类号
TP393.4
[自动化与计算机技术—计算机应用技术]
G354.4
[自动化与计算机技术—计算机科学与技术]
题名 一种群体智能算法——狮群算法
被引量：78
13
作者
刘生建 杨艳 周永权
机构
广州大学华软软件学院游戏系 广西民族大学信息科学与工程学院
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2018年第5期431-441,共11页
基金
广东高校省级重点平台和重大科研项目(No.2016KTSCX189) 广州大学华软软件学院科研项目(No.ky201616)资助~~
文摘
基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物"适者生存"的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.
关键词
狮群算法(LSO) 粒子群算法(PSO) 函数优化 群体智能
Keywords
Lion Swarm Optimization（ LSO） Particle Swarm Optimization（ PSO） Function Optimization Swarm Intelligence
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 布谷鸟搜索算法研究综述
被引量：76
14
作者
兰少峰 刘升
机构
上海工程技术大学管理学院
出处
《计算机工程与设计》
北大核心
2015年第4期1063-1067,共5页
基金
国家自然科学基金项目(61075115) 上海市教委重点基金项目(12ZZ185) 上海工程技术大学研究生科研创新基金项目(E1-0903-14-01080)
文摘
布谷鸟搜索算法是一种结合了布谷鸟巢寄生性和莱维飞行模式的元启发式群体智能搜索技术,系统地介绍布谷鸟搜索算法的原理和算法流程,详细论述该算法有关改进算法的研究现状以及其应用研究情况,归纳分析比较该算法、粒子群算法、蚁群算法和蜂群算法的优缺点及适用性范围,总结目前该算法存在的问题,指出未来研究的方向。
关键词
布谷鸟搜索算法 元启发式算法 群体智能 莱维飞行 蚁群算法
Keywords
cuckoo search metaheuristic algorithm swarm intelligence Lévy flights ant colony optimization
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 大数据时代人工智能技术在农业领域的研究进展
被引量：75
15
作者
陈桂芬 李静 陈航 安宇
机构
吉林农业大学信息技术学院 吉林省科学技术信息研究所
出处
《吉林农业大学学报》
CAS
CSCD
北大核心
2018年第4期502-510,共9页
基金
国家"863"项目(2006AA10A309) 国家星火计划项目(2015GA660004) 吉林省重点科技研发项目(20180201073SF)
文摘
随着人工智能和大数据技术的飞速发展及对农业领域的全面普及,作为信息技术与农业领域深度融合的标志性技术——智慧农业,必将为现代农业带来革命性的技术创新。文中分析了人工智能和大数据技术在国内外农业领域应用的研究现状,通过案例重点阐述了大数据时代人工智能技术带来的农业生产方式的新模式、农产品经营状态的新体系、农业领域管理服务的新思维,并通过大数据时代下群体智能、混合—增强智能与自主智能等人工智能技术的发展方向,展望了未来农业的应用前景,为我国智慧农业的发展提供理论基础。
关键词
人工智能 大数据 智慧农业 群体智能 混合—增强智能 自主智能
Keywords
artificial intelligence big data smart agriculture swarm intelligence hybrid-en-hanced intelligence autonomous intelligence
分类号
S126
[农业科学—农业基础科学]
S24
题名 群体智能优化算法
被引量：59
16
作者
王辉 钱锋
机构
华东理工大学化学工程联合国家重点实验室
出处
《化工自动化及仪表》
CAS
2007年第5期7-13,共7页
基金
国家杰出青年科学基金资助项目(60625302) 国家"973"计划项目(2002CB3122000) +2 种基金 国家"863"计划项目(20060104Z1081) 上海市科委重大基础研究资助项目(05DJ14002) 上海市自然科学基金资助项目(05ZR14038)
文摘
讨论四种群体智能优化算法——蚁群算法、微粒群算法、人工鱼群算法和混合蛙跳算法,对其算法的原理、发展及应用进行了综述。提出了群体智能优化算法统一框架模式,并对群体智能优化算法进一步发展进行了讨论。
关键词
群体智能 蚁群算法 微粒群算法 人工鱼群算法 混合蛙跳算法
Keywords
swarm intelligence ant colony algorithm particle swarm optimization artificial fish school algorithm shuffled frog leaping algorithm
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种基于群体智能的客户行为分析算法
被引量：46
17
作者
吴斌 郑毅 傅伟鹏 史忠植
机构
中国科学院计算技术研究所智能信息处理重点实验室
出处
《计算机学报》
EI
CSCD
北大核心
2003年第8期913-918,共6页
基金
国家自然科学基金 (60 173 0 17 90 10 40 2 1) 北京市自然科学基金重点项目 (4 0 110 0 3 )资助
文摘
提出了一种基于群体智能的客户行为分析算法 .首先将客户的消费模式作为平面上的一个点随机分布于平面区域内 ;然后依据基于群体智能的聚类方法 ,选用由小到大的群体相似系数进行聚类分析 ;最后 ,在平面区域内采用递归算法收集聚类结果 ,获得不同消费特征的客户群体 .文中还提出了算法的并行策略 ,提高了算法对大数据量的适应性 .该文以电信移动客户话费数据作为实验数据 ,并将算法结果与其它经典聚类算法的结果进行比较分析 .分析结果表明 :这种基于群体智能的客户行为分析算法能够满足客户聚类和分类的要求 ,特别是在大客户分析及一对一营销中特别客户的分析方面该算法有直观。
关键词
群体智能 客户行为分析算法 并行策略 数据挖掘 神经网络 人工智能
Keywords
swarm intelligence customer behavior analysis clustering analysis swarm similarity parallel strategy
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 PSO算法在工程优化问题中的应用
被引量：53
18
作者
李炳宇 萧蕴诗 汪镭
机构
同济大学电子与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2004年第18期74-76,共3页
基金
国家自然科学基金资助项目(编号:60104004 70271035)
文摘
粒子群优化算法是群体智能中一个新的分支。该算法本质上是一种随机搜索算法,并能以较大概率收敛到全局最优,特别适用于连续函数的优化。针对工程中的优化问题,将粒子群算法与死亡罚函数法相结合,提出一种求解有约束问题的优化算法。通过与其它算法的比较,表明该算法是一种简单、高效和普适的算法。
关键词
约束优化问题 粒子群优化算法 群体智能 死亡罚函数
Keywords
Constrained Optimization Problem,Particle Swarm Optimization,swarm intelligence,death penalty
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
题名 群体智能研究综述
被引量：40
19
作者
王玫 朱云龙 何小贤
机构
中国科学院沈阳自动化研究所
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2005年第22期194-196,共3页
基金
国家自然科学基金资助项目(70171043)
文摘
群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状,包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上,对今后的研究趋势进行了分析和展望:对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点,具有重大意义和广阔前景。
关键词
群体智能 群算法 群体 机器人涌现
Keywords
Swarm intelligence Ant colony algorithm Swarm-based robotics Emergence
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种自适应的蚂蚁聚类算法
被引量：55
20
作者
徐晓华 陈崚
机构
南京航空航天大学信息科学与技术学院 扬州大学计算机科学与工程系
出处
《软件学报》
EI
CSCD
北大核心
2006年第9期1884-1889,共6页
基金
No.60074013 (国家自然科学基金) No.2003BA614A-14 (国家科技攻关项目) +1 种基金 No.BK2005047 (江苏省自然科学基金) 计算机软件新技术国家重点实验室(南京大学)开放基金~~
文摘
受蚂蚁分巢居住行为的启发,提出一种人工蚂蚁运动(antmovement,简称AM)模型和在此模型上的一个自适应的蚂蚁聚类算法(adaptiveantclustering,简称AAC).将人工蚂蚁看成一个行为简单的Agent,代表一个数据对象.在AM中,人工蚂蚁有睡眠和活跃两种状态.在AAC算法中,定义了一个适应度函数用来衡量蚂蚁与其邻居的相似程度.人工蚂蚁通过其适应度和激活概率函数来决定处于活跃态或者睡眠态.整个蚂蚁群体在移动中动态地、自适应地、自组织地形成多个独立的子群体,使不同类别的蚂蚁之间相互分离;而同类的蚂蚁之间高度紧密地排列,从而形成聚类.提出了对参数的自适应的更新方法,使得人工蚂蚁的移动仅仅使用少量的局部信息,这对加快聚类速度和提高聚类质量有非常显著的效果.模拟实验充分显示出,该蚂蚁聚类算法与BM和LF算法相比,在模型上更直观,操作上更简单,可自适应地修改参数,对参数的限制少,计算成本较小,聚类质量高,具有速度快、高效、自组织性和鲁棒性的优点,适用于解决高维、复杂的聚类问题.
关键词
群体智能 蚁群聚类
Keywords
swarm intelligence ant clustering
分类号
TP301
[自动化与计算机技术—计算机系统结构]
