改进的蚁群引导电网系统云数据聚类故障检测

传统的蚁群算法在迭代过程中产生逆转变异,新的结点与链路也可能在任意时刻加入到云中,给电网系统云数据的云计算和故障数据预测检测带来很大难度,出现拥塞控制,导致聚类效果不好。结合云计算处理数据的特点,对传统的蚁群算法进行改进,提出一种改进的蚁群引导电网系统云数据聚类和故障检测算法,根据基因位随机数大小决定输出概率的精度,更新状态类别充分统计量,得到故障特征观测概率和初始概率,执行聚类中心更新规则。搭建的Hadoop集群云计算原型系统,在开源的云计算平台框架和HBase电网系统数据库下进行数据采集和算法实现。仿真结果表明,算法在数据聚类和故障检测中具有较好的应用性能。     

基于改进遗传算法的动态聚类方法及其应用

爬山法一般得不到全局最优分类，k-均值法等常规动态聚类方法对初始聚类中心的选择非常敏感且聚类结果依赖样本的输入次序，结合遗传算法的全局搜索能力和爬山算法的局部搜索能力改进常规动态聚类方法，可以有效地解决这些问题，通常可保证能在有限的迭代次数内搜索到全局最优解。     

利用K均值算法改进后的蚁群优化算法对高光谱图像聚类研究

在对K均值算法和图像聚类的蚁群优化算法(ACO)进行对比分析后,本文提出了K均值ACO算法来解决K均值误分类和ACO慢聚敛的问题。K均值ACO算法将K均值的结果当成ACO的启发式信息,如此提高了ACO在蚁群寻找规则方面的光照概率和光照像素,允许蚁群根据信息素集中度而非概率来筛选节点,以致可以在不对ACO的随机搜索质量进行改变的情况下就可以完全获取到启发式信息。对模拟数据和真实数据进行验证后,K均值ACO算法证实可以改善K均值误分类的聚类精确度并提高ACO的收率速度。     

基于爬山法快速波形匹配的高频电源过程控制

提出了基于波形匹配的方法预测一次电流过零点,来提高高频电源输出功率.然而直接使用归一化互相关算法计算量大,速度慢.为了提高匹配速度,本文采用爬山法启发式搜索策略,实现了非遍历性搜索,并能快速找到最优匹配点.实验结果表明,爬山搜索算法性能优越,用于高频电源过程控制中是可行的,且具有快速性和较高的准确性,相比直接互相关算法...     

核空间二次蚁群聚类算法的研究

传统的聚类算法在处理复杂特征数据时效果不理想,为此提出使用高斯径向基核函数将原空间上的数据映射到高维特征空间后,再用蚂蚁算法进行第一次聚类,针对第一次聚类结果得到较多簇等问题,提出再用马赛克算法进行二次聚类,得到较为接近真实情况的簇数目。     

一种新型直接寻优法

提出了一种新型的直接寻优法，本算法在全局变化的随机搜索基础上，采用聚类的方法，对搜索空间进行切分，利用并行寻优机制，逐步细搜索。这种既确保了优化的质量，又使解以尽快速度收敛。具体实例表明本算法与模拟退火和遗传算法等直接寻优的算法相比，大大提高了搜索效率。     

蚁群聚类算法在岩心扫描图像分割中的应用

为了很好地从岩心扫描图像中计算孔隙度,研究了用otsu（最大类间方差法）算法和蚁群聚类算法分别对岩心扫描图像进行分割,结果表明利用蚁群聚类算法能很好地将目标从原图像中分割出来,从而为后面计算孔隙度提供了很好的基础。     

蚁群算法的改进策略研究

蚂蚁算法是一种元启发式优化算法,研究表明其具有较强鲁棒性、优良的分布式计算机制、易于与其他方法相结合等特点,但是也存在一些不足。针对蚁群算法的不足,许多的学者提出了诸多的改进算法,通过对改进算法的研究发现对改进策略的研究是非常必要的。文中对改进策略进行总结,为算法改进发展提供必要的参考。     

蚁群聚类方法在智能数字参考咨询系统中的应用研究

研究了数字参考咨询系统中苑例的分类问题,根据范例库的特点,将蚁群聚类方法引入数字参考咨询系统中,并对该方法的基本原理和实现步骤进行了分析,对该方法在数字参考咨询系统中的应用进行了测试.     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高.     

基于改进蚁群算法的TSP问题解决

TSP（旅行商问题）是一个学术界广泛研究的问题,长期以来吸引了众多学者对其进行研究。在蚁群算法（ACA）的研究中,TSP同样起着重要的作用。首先对TSP问题和基本蚁群算法进行了介绍,然后改进了蚁群算法的状态转移概率公式和信息素更新策略,并且应用该改进蚁群算法对TSPLIB中的两个典型问题进行仿真,实验结果比较理想。     

并行电法探测煤层工作面底板和面内技术研究

传统的电法探测方法采用的是串行循环采集方式,虽然对巷道底板富水区有一定效果,但是不能准确的探测巷道富水区进行平面或三维空间位置。本文采用巷道底板直流并行电法和面内并行电法三维空间勘探两种探测技术对山西新元3415工作面进行探测,结合三维电阻率反演技术,得到工作面底板的富水情况和面内三维空间异常分布范围。     

并行拟牛顿法圆盘迭代收敛性条件的改进

得到了并行改进型牛顿法圆盘迭代的收敛性条件的一个新定理。与以往的同一领域的经典定理相比，它的收敛性条件是宽松的，另外所用证明方法简捷明了。     

求解TSP问题的蚁群算法改进探讨

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法.基于群体的协作与学习,该算法已经成功地解决诸如TSP问题等多种组合优化问题.本文提出了一种改进蚁群算法.该算法根据人工蚂蚁所获得解的情况,应用一种选择策略,从而使得算法跳离局部最优解,并采用局部搜索,以获得更好的优化解.通过仿真实验获得的结果表明,该算法对于蚁群算法具有较好的改进效果.     

基于改进蚁群算法的无线传感器网络路径优化

针对传统的无线传感器网络数据传递过程中,会出现多个数据选择同一最短路径,导致数据出现竞争,造成路径阻塞,降低无线传感器网络数据传递速度的问题,提出了基于改进蚁群算法的无线传感器网络路径优化处理方法。方法是将需要传递的数据按最短路径传输,假设传输路径堵塞,则将堵塞信息发送到初始位置,后续需要传递的数据可以选取其它的次合理路径,从而避免了传统方式的缺陷。     

基于反馈约束改进蚁群算法的网络路由优化

通过优化网络路由,提高网络的拓扑性能,实现网络的能量平衡。传统的网络路由算法采用能量平衡环形路由算法,出现网络能耗不均衡。提出一种基于反馈约束改进蚁群算法的网络路由优化方法。采用区域分割处理办法,得到分簇路由任务概率随机分布模式下的置信概率,通过蚁群反馈约束,提高信息正确传输的概率,根据贝叶斯定理,得到路由现成路由子节点定位和扑救路径方位置信度的递归计算式,实现网络路由优化。仿真实验表明,算法能有效提高网络信息正确传输的概率,可靠性较高,几乎能达到无失真传输,随着路由跳数的增加,设计的路由算法的优势愈发明显,提高了信息传输的通信质量。     

基于USB接口的并行写入技术的设计与实现

资料共享是生活工作中的重要问题,而USB并行写入技术则是一种针对此问题的高效率的解决方式。通过分析基于USB接口的高端USB拷贝机和低端BIN文件写入程序的缺点以及文件并行写入的优点,在此基础上介绍了实现文件并行写入技术的相关C++类和多线程概念。最后对USB并行写入系统的实现进行了详细的阐述。     

改进蚁群算法的中长期电力负荷预测

本文提出蚁群聚类算法的RBFNN模型,并用于电力系统中长期负荷预测.首先,模拟蚂蚁寻找“食物源”的行为,即根据蚂蚁在寻找食物过程中发现“食物源”(聚类中心),蚂蚁就会被“吸引”到食物源周围的特点,应用蚁群优化(ACO)算法,将历史数据聚类分析,得到各类聚类中心位置.其次,当聚类中心确定后,采用递推最小二乘法,训练RBF神经网络的隐含层至输出层之间的权重.最后,通过某电网实际数据,将本文模型与传统RBF模型预测结果进行比较,结果表明本文模型据具有更高的预测精度.     

基于改进蚁群算法的维吾尔文字图像分割

针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。     

一种改进的自适应蚁群算法求解TSP问题

针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商（TSP）问题的改进的自适应蚁群算法。