导读:本文包含了群集智能论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,智能,细菌,磷虾,最优化,菌落,启发式。
群集智能论文文献综述
张汉坤[1]（2019）在《铁路货物门到门运输经由设计的多目标群集智能算法研究》一文中研究指出随着铁路货运组织改革的实施和铁路公司制改革的坚定不移地推进,推动国铁企业由运输生产型向运输经营型转型发展,铁路货运将全面走向市场,促使铁路运输企业提高运输质量和效益,以扎实深入推进铁路运输供给侧结构性改革,全面提高铁路运输供给质量和供给效率,推动各种交通方式优势互补、融合发展,从而进一步降低全社会物流成本。铁路运输企业扩展货物站到站运输到门到门运输,经由设计变得更为复杂,面对新的复杂的实际应用环境,利用已被广泛应用于各种实际应用领域的群集智能算法,在合理的时间内给出优化结果,为铁路运输企业经由设计提供决策支持,以降低系统的运输成本和运输时间,具有理论意义和实际应用价值。本文在综述群集智能算法并分析其在铁路货物门到门运输经由设计问题中的适应性后,分析铁路货物门到门运输全过程,以铁路整车货物门到门运输为具体研究对象,构建铁路整车货物门到门运输经由设计系统优化模型,并应用改进的离散多目标群集智能算法和改进的连续多目标群集智能算法分别求解该模型,进而考虑资源可扩展,假设始发站和终到站的位置未知或待确定,构建资源扩展型铁路整车货物门到门运输经由设计系统优化模型,并应用改进的连续多目标群集智能算法求解该扩展模型,定量和定性对比分析改进的算法的优化性能,并将改进的算法获得的优化结果输入到Simio中仿真分析。主要研究内容为:首先,综述群集智能算法及其应用和改进。从单目标优化和多目标优化两个角度,从优化算法与优化问题关系的本质上和群集智能算法在实际应用中得到实践检验两个方面,分析群集智能算法应用于求解铁路货物门到门运输经由设计问题的适应性。在总结介绍多目标优化特点、技术以及性能度量后,提出改进覆盖率,并基于快速非支配排序方法提出多目标优化种群熵用于衡量多目标优化算法寻优过程中种群的多样性。其次,从复杂系统和多agent建模的角度详细分析了铁路货物门到门运输过程后,按照作业成本法的基本要求,将铁路货物门到门运输过程划分为发送、运行、中转、到达和两端服务共五个作业环节。根据文献和实际需求确定运输成本和运输时间为铁路货物门到门运输经由设计的关键影响因素,并按照作业成本法的基本要求,确定每个作业环节的作业量指标及其作业量计算公式,以及每个作业环节的作业时间计算公式。基于铁路运输企业的角度,以铁路整车货物门到门运输为具体研究对象,从系统上构建为多个托运人安排其货物的始发站和终到站的最小化系统运输成本和运输时间的铁路整车货物门到门运输经由设计系统优化模型。再次,将选取的随机蛙跳算法和智能水滴算法与路径重连算法结合,并引入随机块插入、随机块交换与2-opt叁种随机多邻域排序结构和随机替换、随机生成与随机关键替换或生成叁种随机多邻域分配结构,提出改进的多目标随机蛙跳算法和改进的多目标智能水滴算法。基于柔性作业车间调度问题离散编码系统,改进的多目标随机蛙跳算法和改进的多目标智能水滴算法,应用于求解柔性作业车间调度问题基准实例,验证其性能。基于铁路货物门到门运输经由设计问题离散编码系统,改进的多目标随机蛙跳算法与改进的多目标智能水滴算法,应用于求解本文构建的铁路整车货物门到门运输经由设计系统优化模型。然后,从优化参数设置、改进个体位置更新公式和引入变异操作等方面,改进多相粒子群优化算法和量子行为粒子群优化算法,提出改进的多目标多相粒子群优化算法和改进的多目标量子行为粒子群优化算法。基于柔性作业车间调度问题连续编码系统,改进的多目标多相粒子群优化算法和改进的多目标量子行为粒子群优化算法,应用于求解柔性作业车间调度问题基准实例,验证其求解组合优化问题性能。基于铁路货物门到门运输经由设计问题连续编码系统,改进的多目标多相粒子群优化算法和改进的多目标量子行为粒子群优化算法,应用于求解本文构建的铁路整车货物门到门运输经由设计系统优化模型。定量和定性对比分析四种改进的多目标群集智能算法的性能,并将优化结果输入到Simio中仿真分析,验证改进的算法的性能。最后,考虑资源可扩展,假设始发站和终到站的位置未知或待确定,构建资源扩展型铁路整车货物门到门运输经由设计系统优化模型,探讨铁路整车货物门到门运输中铁路和公路的运输距离的变化对系统优化的影响。改进的多目标多相粒子群优化算法和改进的多目标量子行为粒子群优化算法,经过ZDT函数实例验证其求解连续优化问题性能后,基于资源扩展型铁路货物门到门运输经由设计问题编码系统,应用于求解资源扩展型铁路整车货物门到门运输经由设计系统优化模型。定量和定性对比分析资源扩展型模型与原模型的优化结果,并将资源扩展型模型的优化结果输入到Simio仿真软件中,验证改进的算法的性能。本文从复杂系统的角度,对铁路货物门到门运输经由设计进行建模与仿真,并通过改进的多目标群集智能算法求解,丰富了铁路货物门到门运输经由设计和群集智能算法的研究,提供铁路运输企业的铁路货物门到门运输经由设计决策支持以及新建车站选址与车站布局优化决策参考。(本文来源于《北京交通大学》期刊2019-03-29）
唐建新[2]（2019）在《基于群集智能的社会网络影响力最大化问题研究》一文中研究指出得益于因特网和Web2.0等技术的迅速发展,规模日益增长的社会网络已经成为个体之间交互的主要方式和信息传播的重要平台,人们正在将传统的线下生活中的信息流迁移到社会网络上进行高效率低成本的管理。网络个体节点在交互过程中会对其他邻域节点产生影响并重塑这些节点的情感、认知与行为等,进而引起网络拓扑结构的演变。因此,开展社会网络分析研究对于了解网络的统计特性、理解网络节点的行为特征、揭示网络的传播动力学规律、控制网络拓扑结构演化等具有重要意义。作为网络传播的重要研究内容之一,影响力最大化问题的目的在于采用一定的评估机制从给定网络中选取一组指定大小的影响力节点作为种子集合,在特定的级联传播模型下,使得该种子集合的影响力传播范围最大化。开展影响力最大化问题的研究不仅对丰富复杂网络理论研究具有重要的理论意义,而且在基于病毒式营销模式的产品推广、信息扩散等实际活动具有广阔的应用前景。现有影响力最大化算法在处理不同结构类型的网络时存在求解质量不稳定、可扩展性低等不足;在处理大规模社会网络时仍然面临着时间复杂度高、占用内存空间大等问题。为此,本文以社会网络为研究对象,首先深入分析了采用群集智能优化算法求解影响力最大化问题的可行性与优势;为了充分在网络解空间中搜索最优种子解集,研究了局部搜索策略对提升算法求解性能的作用;在此基础上,尝试把在求解多目标连续优化问题时表现突出的蝙蝠算法用于求解影响力最大化问题。然后,针对大规模社会网络计算复杂度高等问题,研究了基于网络拓扑结构的离散元启发式算法的快速进化机制。最后,结合社会网络普遍存在的社团结构特征,研究了基于粒子群优化算法的自适应种子节点选取策略。大量实验结果表明,基于群集智能的元启发式优化算法是求解影响力最大化问题的一种有效手段。本文的具体研究工作概述如下:(1)为提升对网络解空间中影响力节点的搜索能力,基于贪心机制提出了一种改进离散粒子群优化算法。在评估节点边际收益时,传统贪心算法由于需要执行大量的蒙特卡洛模拟而具有较高的时间复杂度,难以处理大规模社会网络。为此,本文深入分析了采用基于群集智能的元启发式优化算法求解影响力最大化问题的可行性及其优势。在采用典型的粒子群优化算法求解影响力最大化问题时,为改善种群当前最优候选种子节点集合的选取质量,构造了一种基于贪心机制的局部搜索策略,在候选节点直接邻域集合内选取边际收益最大的节点替换当前候选种子节点。实验结果表明,改进局部搜索策略能够有效提高算法的求解性能。(2)在上述工作基础上,结合网络空间特征,通过离散化蝙蝠算法的进化规则,尝试把蝙蝠优化算法用于求解影响力最大化问题。为加快算法的收敛速度,基于节点度中心性和介数中心性构造了一种衡量节点对网络拓扑结构作用大小的贡献度指标,按照贡献度从网络中提取一定数量的结构性节点建立一个候选种子节点池,从中选取影响力节点替换算法演化过程中边际收益最低的候选种子节点。实验结果表明,离散蝙蝠优化算法能够取得与CELF算法非常接近的求解效果。(3)分析了基于网络结构特征构建局部搜索策略对元启发式优化算法时间复杂度的影响,提出了一种离散混合蛙跳算法求解大规模社会网络中的影响力最大化问题。混合蛙跳算法中由确定性与随机性协同作用的局部搜索策略,使得该算法具有较低的时间复杂度。基于网络离散拓扑结构特征,重新定义了蛙群的编/解码机制与进化规则,构造了一种快速的候选种子节点局部搜索策略。为最优化离散混合蛙跳算法的参数设置策略,采用正交试验方法对算法的主要参数开展了代表性仿真试验。基于实际网络数据集的结果表明,与典型影响力最大化算法相比,离散混合蛙跳算法具有良好的求解性能。(4)结合实际社会网络中普遍存在的社团结构特征,提出了一种自适应离散粒子群优化算法用于种子节点的动态分配与选取。针对社会网络中社团规模差异化特点,为合理分配分属各社团的候选种子节点数量,构造了一种动态种子节点选取策略。通过评价候选种子节点集合的影响力局部传播范围,动态调整分属各社团的候选种子节点数量,以最大化影响力期望传播范围。在此基础上,提出一种面向社团划分机制的自适应离散粒子群优化算法求解影响力最大化问题。实验结果表明,算法具有较快的求解速度和较强的鲁棒性。(本文来源于《兰州大学》期刊2019-03-01）
马晓旭[3]（2019）在《基于多群体融合的群集智能优化算法研究及应用》一文中研究指出智能优化算法通过揭示或模拟某些自然现象及过程,从生物群体的智能行为发展而来的。由于算法结果不依赖于初值的选取,并且对优化的目标函数没有连续、可微等要求,具有全局、并行高效、较强的鲁棒性和通用性等优点,所以,对群智能算法的研究成为当今具有重要理论意义与实用价值的课题之一。本文对近年来群智能优化算法在全局函数优化方面的做了详细研究,工作安排如下:首先,在磷虾觅食优化算法(KH)的基础上,提出一种改进的磷虾觅食优化算法。通过利用蛙跳算模因(MA)分组的思想,使磷虾算法进行更仔细、更全面的搜索。最后选取6个基准函数进行仿真实验,为了验证改进算法的搜索性能,仿真结果表明参数对KH-SFLA的优化性能有一定影响,混合算法极大地提高了函数优化的求解精度和收敛速度。其次,花粉授粉算法通过参数实现了全局搜索和局部搜索之间相互转换动态控制的进程,较好地解决了全局搜索和局部搜索之间的平衡,并且算法采用Levy飞行,使其具有良好的全局寻优能力;同时提出了五种改进的优化算法MFPA、MFPAS、CFPA、BFA-FPA、BFA-FPAS。多种群算法有着比较强的寻优能力,相比较之下性能也非常稳定,可以使抑制速率得到有效提升,同时解的精准性也明显增加。最后,在蝙蝠算法的基础上,对其基本原理、算法流程加以论述。BA算法具有简单、参数少、鲁棒性强、易于实现等优点受到了极大的关注。因此,提出了蝙蝠算法的改进算法IBA、SBA、LBA和CBA并对七种优化算法IBA、SBA、LBA、CBA、SBAS、LBAS、CBAS进行了仿真比较。结果显示多种群算法IBA、SBAS、LBAS和CBAS无论是在寻优能力还是收敛速度上,都比原算法要好并且性能相对稳定,可以灵活地提高算法的抑制率,提高解决方案的准确性。总之,通过仿真表明了叁种群智能算法参数设置以及与其他算法结合进行函数优化取得的良好寻优效果。同时,多种群算法在性能上优于原有算法,对于求解复杂问题及其实际应用具有重大意义。(本文来源于《辽宁科技大学》期刊2019-01-12）
戴丽[4]（2018）在《基于群集智能优化算法的城市共享单车优化分布研究》一文中研究指出针对城市共享单车优化分布问题,以昆明市ofo小黄车为例,对共享单车停放地区数量分配问题构建模型,为共享单车资源优化配置提供理论依据。采用细菌菌落优化算法,即一种基于群集智能优化算法的仿生随机优化算法,用于解决城市共享单车停放地区数量分布问题。该算法为解决共享单车数量分布问题提供了一种新途径。(本文来源于《数字技术与应用》期刊2018年08期）
曲大鹏,许伦祥,鲁垚光,原晓坤,黄敏[5]（2018）在《一种模拟羊群行为的新型群集智能算法》一文中研究指出针对当前多种群集智能算法往往包含过多策略而掩盖算法核心机理的现状,设计了一种模拟羊群行为的新型群集智能算法.该算法从群集智能算法的核心出发,通过分别模拟羊群的叁类行为:头羊引领、羊群互动和牧羊犬监督,设计群集智能算法中相对应的叁种策略:全局探索、局部开发和跳出局部优化.基准测试函数的实验结果表明,较之粒子群算法,该算法能获得更高质量的解,同时具有更快的收敛速度和更好的稳定性.(本文来源于《电子学报》期刊2018年06期）
马扬[6]（2018）在《基于群集智能算法的集输管网优化》一文中研究指出由于石油化工产品和储量和运输量很大,输送距离又长,所以在如此浩大工程的地面工程系统面前,优化设计中管径、转油站站址等参数的改变对总费用的影响是非常大的。在这种情况下,我们就需要对系统进行优化,以得到能使得总费用最省的方案,对资金的节约有着重大的意义。本文选择的井区优化区块是北16井区梧桐沟,为了适应该区块的特点,进行了集输方案规划的初期设计,在本区块的集输状态不受影响的情况下,运用最优化理论对该地区的集输系统进行优化。在本文对管网优化的研究中,第一步建立了目标函数,就是以总的集输费用为最终优化目标的目标函数,设计变量为该区块内转油站的站址和其下辖管道的管径并考虑了一些约束条件。由于区块内油井数量较多,且有些油井之间的距离较大,所以在优化之前,本文首先用k-means聚类方法和SOM神经网络聚类,对区块内的油井进行了聚类,然后在每个井组内采用遗传算法求解数学模型,得到该分组下各级站的站址和下辖管网中的管道距离总长,最后程序运行得到每个组内的投资成本,求和得到最后的总成本。在遗传算法运行期间,因遗传算法的参数变化会对最后的投资成本产生影响,所以在程序运行时,采用了不同的遗传参数来研究参数对最终成本的影响,遗传代数选择了函数已收敛后的300、400、500代进行研究,种群规模选择了50、100、150进行研究,结果发现两种分组方法在同一进化代数下,增大种群规模可以减少总成本,而在同一种群规模下,增加进化代数也可以减少总成本,但是进化代数和种群规模的变化对总成本的影响很小,总造价的波动很小。但SOM分组方法的成本比K-means分组的成本略低。所以最终我们选择了遗传代数为500,种群规模为100的最终优化参数,分组方法选择了SOM分组方法作为最终优化分组。而在交叉概率方面,选择了0.5、0.6、0.7叁个概率进行研究,发现交叉概率对最终结果影响不大,结果相差在0.1%以内,所以交叉概率不作为可影响遗传算法结果的参数。通过调研遗传算法文献,认为变异概率一般取0.01,不会对遗传结果产生很大影响。(本文来源于《长江大学》期刊2018-04-01）
唐若笠[7]（2016）在《基于群集智能的复杂问题优化算法与应用研究》一文中研究指出“创新、协调、绿色、开放、共享”是“十叁五”时期乃至中长期指导我国能源电力行业科学发展的新理念。在着力推进能源电力行业创新发展与绿色发展的进程中,大量亟待优化与创新的技术问题相继涌现,且随着电力系统规模的日益增长、技术要求的不断提升,这类技术问题呈现出规模化、复杂化的发展趋势。本文依托实际科研课题,以群集智能思想的应用为出发点,结合专业背景,围绕电力系统建设、电力系统运营中的两类典型复杂优化问题展开研究：大规模光伏系统复杂光照下最大功率点跟踪以及电能计量设备运维作业动态优化,抽象出一类具有大规模、多极值、变量耦合等特性的复杂优化问题,并建立基于群集智能的求解模型。在此基础上,针对不同问题的属性与特点研究基于群集智能的求解方法,并最终回归实际问题的求解与优化。具体地讲,本文主要研究内容及创新成果如下：对于具有多极值特性的复杂优化问题,由于群集智能算法易出现因个体陷入局部极值且难以摆脱而导致的“早熟”收敛现象,极大程度地限制了算法对于这类问题的求解性能。本文以粒子群算法为例,分析其“早熟”现象的形成原因,并从增强粒子个体智能属性的角度出发提出若干防“早熟”策略以及HSPSO、 HSPSO-FI算法,通过为个体引入仿人脑的智能属性以增强其摆脱局部极值点束缚的能力。仿真实验表明,通过引入仿人智能属性,粒子个体能够有效克服局部极值点的束缚,算法优化性能得以显着提升。对于具有大规模特性的优化问题,由于问题复杂度随变量维数的增加呈指数上涨,这一“维数灾难”的出现将导致常规优化算法失效。尤其当大规模优化问题同时具有变量耦合特性时,问题的求解将变得极为复杂。为拓展群集智能的应用领域,提升其对各类大规模优化问题的求解性能,本文研究并提出一类通用的多参考向量自适应协同进化(AM-CC)算法框架,并以粒子群算法为例提出AM-CCPSO算法。仿真实验表明,AM-CC框架对于具有变量可分割以及变量不可分割等特性的1000维大规模问题具有良好的求解性能。AM-CC框架的提出为群集智能应用于求解大规模问题,尤其对于具有变量耦合特性的大规模问题求解提供了一种通用、有效的解决方案。在上述理论研究的基础上,针对电力系统建设中的典型复杂优化问题展开应用研究：围绕大规模光伏系统复杂光照下的“热斑效应”与最大功率点跟踪问题,研究并提出了基于群集智能的求解方案。“热斑效应”对光伏系统局部遮阴环境下的稳定工作构成严重威胁,现有方法普遍存在系统输出功率额外损失、成本较高或难以在大规模系统中应用等缺陷。针对这一问题,本文研究了基于光伏电池控制装置与支路稳压装置的大规模光伏阵列拓扑结构,为实现单块电池板(或最小控制单元)级的最大功率点跟踪提供了硬件基础。此外,建立了以大规模优化问题为描述形式的大规模光伏系统最大功率点跟踪数学模型,并将本文理论研究部分提出的各算法应用于模型求解。仿真实验表明,通过拓扑结构、数学模型与求解算法的相互配合,大规模光伏系统各电池板(或最小控制单元)在复杂光照环境下能够稳定工作于各自理论最大功率点,使“热斑效应”得以有效解决的同时保证了系统的最大输出功率。此外,针对电力系统运营中的典型复杂优化问题展开应用研究：围绕电能计量设备运维作业动态优化问题,分析电网企业相关管理工作的实际需求,并建立基于群集智能的运维作业动态优化模型,以实现对任务点数量、实时路况、运维人员属性与数量、决策者偏好等外部条件的实时响应。在此基础上,采用本文理论研究部分提出的各算法完成对模型的求解。仿真实验表明,提出的模型与算法能够对电网企业关于运维作业的各项要求予以实时响应,实现电能计量设备运维作业的高维度实时、动态优化,提升电网企业日常运维工作管理效率。(本文来源于《武汉大学》期刊2016-05-01）
刘钒,钟书华[8]（2015）在《创新型小微企业的群体属性及智能涌现——群集智能的视角》一文中研究指出通过创新型小微企业群体性成长推动产业组织创新,是加快我国高新技术产业发展的客观需要。群集智能探讨分布式环境下,大量自主个体在去中心化场景中实现群体性进化的机理。通过仿生隐喻将群集智能引入产业组织研究,把创新型小微企业与社会性昆虫种群进行个体与群体类比,表明创新型小微企业集群不仅具有组织有机性、系统开放性、资源完善性、竞合并存性、文化根植性等群体复杂性,更具有明显的群集智能属性,能够通过群集智能涌现形成群体性进化。创新型小微企业产生群集智能涌现需要合适的内在规制与外部环境,并满足七个基本条件。(本文来源于《科学学研究》期刊2015年12期）
楚湘华[9]（2014）在《基于群集智能的最优化算法研究及其应用》一文中研究指出当前经济管理和工程领域遇到的众多问题,例如设施选址问题、车辆路径问题、网络流设计问题等,均可归结为最优化问题。随着科技与社会的发展,现实优化问题也日趋复杂,朝着高维度、非线性、大规模等方向发展,这为优化理论的研究提出了新的挑战。传统的优化理论方法包括单纯形法、二次规划法、牛顿法、内点法、梯度法等。传统方法的不足之处有两点:1)待优化问题需满足特定的数学特性,例如可凸性、可导性、可微性等;2)解决大规模复杂优化问题的能力有限,无法满足实际管理与工程优化的需求。群集智能作为新型仿生启发式算法,由于其机制简单、智能高效等优点正成为新的研究热点,已被成功用于许多优化问题的求解。本文考虑群集智能中不同的生物模拟视角及搜索行为的差异,选取粒子群算法(particle swarm optimization,PSO)与细菌觅食算法(bacterial foraging optimization,BFO)作为群集智能的代表算法进行研究。针对当前群集智能算法研究的不足之处进行改进,主要的研究问题与贡献如下:(1)针对传统PSO算法历史信息利用率较低、种群多样性丧失较快、较差个体无退出机制的缺陷,提出一种正交混合学习PSO算法。利用正交实验设计构建类似新陈代谢机制的粒子置换策略,提高种群多样性;同时,为了加快粒子的收敛速度,设计了混合学习机制,使粒子以一定概率向个体与全局两部分信息分别进行学习。通过数值实验验证了所提算法的有效性。(2)传统PSO对复杂问题的求解性能仍有待提升。尽管人们提出了多群体PSO(MS-PSO)以避免传统PSO对复杂问题早熟收敛,但仍存在众多不足。例如,当前绝大多数MS-PSO均针对特定问题域进行优化,对其它问题表现较弱;没有考虑多群体间的竞争关系;群体规模为预设值且固定。针对上述不足,提出了异质多群体自适应PSO算法。在种群中建立包含了同质个体的异质子群模型。各子群使用不同的搜索策略;设计了自适应竞争机制,根据实时搜索表现动态地调节异质群体的规模;研究了两种互补的搜索机制和两种不同的种群规模迁移模型。仿真结果表明,所提策略有效提升了算法对不同问题域的搜索性能。(3)针对传统BFO算法存在求解精度较低、收敛速度较慢、算法性能随问题维度增加而快速下降的缺陷,提出一种全局协同BFO算法。建立了一种全局协同搜索模型,改变了细菌运动的更新方式,使信息分享与协同搜索代替了原始的随机趋向性游动行为,提升了搜索的准确性与快速性;群体中所有细菌都有机会成为潜在的引导个体,提供维度级的信息以优化个体搜索精度。此外,研究了带游动行为与不带游动行为的两种算法模型。数值实验结果表明提出的策略有效提升了BFO算法对不同维度问题的收敛精度与速度。(4)传统BFO算法局部搜索能力较强,不易早熟,但全局探索能力较差;PSO算法全局收敛速度较快,但局部开发能力较弱,容易陷入局部极值。本研究建立一个新型群集智能混合框架,扬长避短,综合利用BFO与PSO的性能优势。在该混合框架中,引入PSO中个体与群体的记忆策略,利用个体和群体的最优信息进行搜索决策;增加BFO中的随机游动操作,以提高算法的局部开发能力。由PSO负责全局空间的探索,BFO进行局部极值的开发与跳出。数值仿真实验检验了新的混合算法有效地利用了两者的优势,弥补了单一算法的不足。(5)将改进的群集智能算法应用于优化两个实际经济管理问题。首先,建立了带容量约束的配送中心选址问题模型,使用提出的改进群集智能对该模型进行优化求解,实例仿真结果显示提出的算法的求解系统总成本更低;接着,考虑带基数约束的投资组合优化模型,通过实例优化仿真,证明所提改进算法能得到接近标准有效前沿的投资决策方案,表明所提算法能有效优化带基数约束的投资组合优化问题。(本文来源于《哈尔滨工业大学》期刊2014-12-01）
汪闯闯,姬东鸿[10]（2015）在《基于群集智能的CRF与规则结合的中文地址抽取》一文中研究指出地址抽取是信息采集研究的热点,但是如何保证高准确率与召回率一直是一个具有挑战性的问题。将基于CRF的方法与规则抽取方法相结合来进行地址抽取,并将优化后的结果再用来进行CRF训练;此过程不断循环迭代,直至性能不再提升,最后得到多个CRF分类器。这个不断迭代的过程就是基于群集智能的ACG算法流程,最后再通过组合多个分类器的结果形成最终结果。实验表明,该方法可以把召回率和准确率分别提高到96.44%和97.73%。(本文来源于《计算机应用研究》期刊2015年03期）
群集智能论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
得益于因特网和Web2.0等技术的迅速发展,规模日益增长的社会网络已经成为个体之间交互的主要方式和信息传播的重要平台,人们正在将传统的线下生活中的信息流迁移到社会网络上进行高效率低成本的管理。网络个体节点在交互过程中会对其他邻域节点产生影响并重塑这些节点的情感、认知与行为等,进而引起网络拓扑结构的演变。因此,开展社会网络分析研究对于了解网络的统计特性、理解网络节点的行为特征、揭示网络的传播动力学规律、控制网络拓扑结构演化等具有重要意义。作为网络传播的重要研究内容之一,影响力最大化问题的目的在于采用一定的评估机制从给定网络中选取一组指定大小的影响力节点作为种子集合,在特定的级联传播模型下,使得该种子集合的影响力传播范围最大化。开展影响力最大化问题的研究不仅对丰富复杂网络理论研究具有重要的理论意义,而且在基于病毒式营销模式的产品推广、信息扩散等实际活动具有广阔的应用前景。现有影响力最大化算法在处理不同结构类型的网络时存在求解质量不稳定、可扩展性低等不足;在处理大规模社会网络时仍然面临着时间复杂度高、占用内存空间大等问题。为此,本文以社会网络为研究对象,首先深入分析了采用群集智能优化算法求解影响力最大化问题的可行性与优势;为了充分在网络解空间中搜索最优种子解集,研究了局部搜索策略对提升算法求解性能的作用;在此基础上,尝试把在求解多目标连续优化问题时表现突出的蝙蝠算法用于求解影响力最大化问题。然后,针对大规模社会网络计算复杂度高等问题,研究了基于网络拓扑结构的离散元启发式算法的快速进化机制。最后,结合社会网络普遍存在的社团结构特征,研究了基于粒子群优化算法的自适应种子节点选取策略。大量实验结果表明,基于群集智能的元启发式优化算法是求解影响力最大化问题的一种有效手段。本文的具体研究工作概述如下:(1)为提升对网络解空间中影响力节点的搜索能力,基于贪心机制提出了一种改进离散粒子群优化算法。在评估节点边际收益时,传统贪心算法由于需要执行大量的蒙特卡洛模拟而具有较高的时间复杂度,难以处理大规模社会网络。为此,本文深入分析了采用基于群集智能的元启发式优化算法求解影响力最大化问题的可行性及其优势。在采用典型的粒子群优化算法求解影响力最大化问题时,为改善种群当前最优候选种子节点集合的选取质量,构造了一种基于贪心机制的局部搜索策略,在候选节点直接邻域集合内选取边际收益最大的节点替换当前候选种子节点。实验结果表明,改进局部搜索策略能够有效提高算法的求解性能。(2)在上述工作基础上,结合网络空间特征,通过离散化蝙蝠算法的进化规则,尝试把蝙蝠优化算法用于求解影响力最大化问题。为加快算法的收敛速度,基于节点度中心性和介数中心性构造了一种衡量节点对网络拓扑结构作用大小的贡献度指标,按照贡献度从网络中提取一定数量的结构性节点建立一个候选种子节点池,从中选取影响力节点替换算法演化过程中边际收益最低的候选种子节点。实验结果表明,离散蝙蝠优化算法能够取得与CELF算法非常接近的求解效果。(3)分析了基于网络结构特征构建局部搜索策略对元启发式优化算法时间复杂度的影响,提出了一种离散混合蛙跳算法求解大规模社会网络中的影响力最大化问题。混合蛙跳算法中由确定性与随机性协同作用的局部搜索策略,使得该算法具有较低的时间复杂度。基于网络离散拓扑结构特征,重新定义了蛙群的编/解码机制与进化规则,构造了一种快速的候选种子节点局部搜索策略。为最优化离散混合蛙跳算法的参数设置策略,采用正交试验方法对算法的主要参数开展了代表性仿真试验。基于实际网络数据集的结果表明,与典型影响力最大化算法相比,离散混合蛙跳算法具有良好的求解性能。(4)结合实际社会网络中普遍存在的社团结构特征,提出了一种自适应离散粒子群优化算法用于种子节点的动态分配与选取。针对社会网络中社团规模差异化特点,为合理分配分属各社团的候选种子节点数量,构造了一种动态种子节点选取策略。通过评价候选种子节点集合的影响力局部传播范围,动态调整分属各社团的候选种子节点数量,以最大化影响力期望传播范围。在此基础上,提出一种面向社团划分机制的自适应离散粒子群优化算法求解影响力最大化问题。实验结果表明,算法具有较快的求解速度和较强的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
群集智能论文参考文献
[1].张汉坤.铁路货物门到门运输经由设计的多目标群集智能算法研究[D].北京交通大学.2019
[2].唐建新.基于群集智能的社会网络影响力最大化问题研究[D].兰州大学.2019
[3].马晓旭.基于多群体融合的群集智能优化算法研究及应用[D].辽宁科技大学.2019
[4].戴丽.基于群集智能优化算法的城市共享单车优化分布研究[J].数字技术与应用.2018
[5].曲大鹏,许伦祥,鲁垚光,原晓坤,黄敏.一种模拟羊群行为的新型群集智能算法[J].电子学报.2018
[6].马扬.基于群集智能算法的集输管网优化[D].长江大学.2018
[7].唐若笠.基于群集智能的复杂问题优化算法与应用研究[D].武汉大学.2016
[8].刘钒,钟书华.创新型小微企业的群体属性及智能涌现——群集智能的视角[J].科学学研究.2015
[9].楚湘华.基于群集智能的最优化算法研究及其应用[D].哈尔滨工业大学.2014
[10].汪闯闯,姬东鸿.基于群集智能的CRF与规则结合的中文地址抽取[J].计算机应用研究.2015
论文知识图
