資源描述：
《螞蟻算法及其在數(shù)據(jù)挖掘中的應用研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-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計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，在解決組合優(yōu)化問題、知識發(fā)現(xiàn)、通信網(wǎng)絡、機器人等研究領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)作運輸啟發(fā)的模型。本文重點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，蟻群算法已成功應用于求解TSP、二次分配、圖著色、車輛調(diào)度、集成電路設計等優(yōu)化問題。本文針對蟻群算法收斂時間長、易陷入局部最優(yōu)的缺點，提出一種帶佳點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間，并能對最終解進行優(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將卵和小幼蟲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基本模型來模擬該現(xiàn)象。對基本模型比較成功的改進有LF算法和CSI算法
3、。本文對LF算法和CSI算法進行了研究，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的CSIM算法，采用復相關系數(shù)的倒數(shù)賦權法改進了CSIM算法中的距離計算，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算，提高了算法的效率。最后，本文將上述兩個基于螞蟻算法的改進算法應用到客戶關系管理的客戶細分中，驗證了算法的效果，拓展了螞蟻算法的應用領域。關鍵詞：螞蟻算法；蟻群優(yōu)化算法；聚類；離群數(shù)據(jù)挖掘；客戶
4、關系管理-I-螞蟻算法及其在數(shù)據(jù)挖掘中的應用研究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
