資源描述：
《螞蟻算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、-II-摘要摘要群體智能是指任何啟發(fā)于群居性昆蟲群體和其他動物群體的集體行為而設(shè)計(jì)的算法和分布式問題解決裝置。群體智能具有分布性、魯棒性、非直接通信和簡單性等特點(diǎn)，在解決組合優(yōu)化問題、知識發(fā)現(xiàn)、通信網(wǎng)絡(luò)、機(jī)器人等研究領(lǐng)域顯示出了巨大的優(yōu)勢和潛力。螞蟻算法是群體智能算法的重要內(nèi)容之一。根據(jù)螞蟻群體不同方面的行為特征，螞蟻算法分為受螞蟻覓食行為和標(biāo)注路徑行為啟發(fā)的模型、受孵化分類啟發(fā)的模型、受勞動分工和協(xié)作運(yùn)輸啟發(fā)的模型。本文重點(diǎn)研究了前兩種螞蟻算法模型。受螞蟻覓食行為啟發(fā)的模型又稱為蟻群優(yōu)化算法（ACO），它是一種新型仿生進(jìn)化算法，是繼模擬退
2、火、遺傳算法、禁忌搜索等之后又一啟發(fā)式智能優(yōu)化算法。從提出到現(xiàn)在，蟻群算法已成功應(yīng)用于求解TSP、二次分配、圖著色、車輛調(diào)度、集成電路設(shè)計(jì)等優(yōu)化問題。本文針對蟻群算法收斂時(shí)間長、易陷入局部最優(yōu)的缺點(diǎn)，提出一種帶佳點(diǎn)雜交算子的非均勻窗口蟻群算法。該算法能夠有效地縮短搜索的時(shí)間，并能對最終解進(jìn)行優(yōu)化。受孵化分類啟發(fā)的模型又稱為螞蟻聚類模型。很多種類的螞蟻都能夠?qū)⒙押托∮紫x緊密地排列成束并放置在巢穴孵化區(qū)地中心，而最大的幼蟲位于孵化束的外圍。Deneubourg等人最先提出了一個(gè)基本模型來模擬該現(xiàn)象。對基本模型比較成功的改進(jìn)有LF算法和CSI算法
3、。本文對LF算法和CSI算法進(jìn)行了研究，并提出一種基于螞蟻算法的離群數(shù)據(jù)挖掘算法，按照螞蟻聚類模型的特點(diǎn)定義離群數(shù)據(jù)，使其不受簇形狀和大小的影響，而且該算法參數(shù)較少，最大程度的避免了主觀影響。另外又提出一種改進(jìn)的CSIM算法，采用復(fù)相關(guān)系數(shù)的倒數(shù)賦權(quán)法改進(jìn)了CSIM算法中的距離計(jì)算，使得相似的數(shù)據(jù)對象能快速的聚集到一起，從而避免了大量無效的相似度計(jì)算，提高了算法的效率。最后，本文將上述兩個(gè)基于螞蟻算法的改進(jìn)算法應(yīng)用到客戶關(guān)系管理的客戶細(xì)分中，驗(yàn)證了算法的效果，拓展了螞蟻算法的應(yīng)用領(lǐng)域。關(guān)鍵詞：螞蟻算法；蟻群優(yōu)化算法；聚類；離群數(shù)據(jù)挖掘；客戶
4、關(guān)系管理-I-螞蟻算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究AbstractSwarmintelligenceisdefinedasanattempttodesignalgorithmsanddistributedproblem-solvingdevicesinspiredbycollectivebehaviorofthesocialinsertcoloniesandotheranimalsocieties.Swarmintelligenceisdistributed,robust,stimergyandsimple.Withthesecharacte
5、ristics,swarmintelligenceshowgreatadvantagesandpotentialinsomeresearchdomains,suchassolvingtheproblemofoptimizingcombination,knowledgediscovery,telecommunicationnetworkandrobotics.Antalgorithmisanimportantcontentofswarmintelligencealgorithms.Accordingtobehaviorcharacterist
6、icsofantcolonyindifferentaspects,antalgorithmcanbeclassifiedasmodelinspiredbyantlookingforfoodbehaviorandtaggingroutebehavior,modelinspiredbybroodsorting,modelinspiredbydivisionoflaborandmodelinspiredbycooperativetransport.Thisdissertationfocusesonthetwomodelsmentionedabov
7、e.Modelinspiredbyantlookingforfoodbehaviorisalsocalledantcolonyoptimization(ACO),whichisanewkindofevolutioncomputationalgorithmsbasedonbionics,andisanewheuristicintelligentoptimizationalgorithmaftersimulatedannealing,geneticalgorithmandtabusearch.Afterthealgorithmbeingprop
8、osed,ACOhasappliedintoTSP,quadraticassignment,graphcoloring,vehiclerouteandIC-designsucce
