多蟻群算法在化學模式分類器優(yōu)化設計中的應用.pdf

1、模式分類是許多工程領域廣泛應用的一種關鍵技術，如：自控監(jiān)測、圖像識別、故障診斷、物料配制、醫(yī)療診斷等。經典的模式分類方法主要是基于多元統(tǒng)計分析方法，后來興起的人工神經網絡技術也逐漸成為模式分類的有效工具。這兩類方法各有所長，多元統(tǒng)計分析方法計算規(guī)范，有明確的概率意義，但需要有足夠多的樣本，并且要遵從一定的分布；人工神經網絡技術表達能力強，適用范圍廣，但網絡設計困難，訓練費時，還存在局部極值等缺點。 隨著科學計算的不斷發(fā)展，問題搜

2、索空間的不斷擴大，搜索空間變得越來越復雜。傳統(tǒng)的用于模式分類的方法通常與種群規(guī)模、參數的選擇、問題的復雜程度等因素有關，當種群規(guī)模較大、參數較復雜、搜索空間巨大時，很多優(yōu)化算法通常需要花費很長的計算時間，卻無法得到滿意的結果。 本文通過分析蟻群優(yōu)化算法和其它一些優(yōu)化算法的優(yōu)缺點，深入了解待優(yōu)化問題本身的特性，提出了結合局部搜索和信息素交換策略的多蟻群優(yōu)化算法，并將其用于解決組合優(yōu)化問題。多蟻群優(yōu)化算法用于解決TSP問題和實際模式

3、分類問題的試驗結果表明：該算法具有良好的全局尋優(yōu)性能，在組合優(yōu)化問題中有較大的應用潛力。 本文的主要研究結果如下： 1.本文將蟻群優(yōu)化算法用于化學模式分類器的設計。常用的模式分類方法中，統(tǒng)計分析要求數據遵從一定的分布，神經網絡的設計與訓練存在較多困難，支持向量機的超參數也較難設定。因此本文嘗試用蟻群算法對化學模式分類器的設計進行優(yōu)化，對取自UCI數據庫樣本分類結果表明：基于蟻群算法構建的化學模式分類器規(guī)則數少、簡潔明了，

4、性能良好。 2.由于單種群蟻群算法未能完全模擬實際蟻群的信息，采用的是單種蟻群、單種信息素，因此本文嘗試性提出了結合局部搜索和信息素交換策略的多蟻群優(yōu)化算法。在優(yōu)化的過程中，采用多種群協(xié)作，并且引入局部搜索、信息素交換策略，以維持種群多樣性和防止種群退化。對樣本分類結果表明，多蟻群優(yōu)化算法有較強的全局和局部尋優(yōu)能力，由其構成的化學模式分類器不但具有基本群蟻群優(yōu)化算法的優(yōu)點，而且在尋優(yōu)時間、預報準確率等性能方面有所提升。

5、3.在連續(xù)樣本數據的模式分類問題中，針對蟻群優(yōu)化算法的離散化本質，通過選擇適當的分類規(guī)則表達式與評價函數，利用從屬性值域中提取出的候選閥值(點)，將規(guī)則學習問題轉換為組合優(yōu)化問題，進而采用結合局部搜索、信息素交換策略的多蟻群優(yōu)化算法進行規(guī)則學習。 4.通過深入分析分類規(guī)則表達式和評價函數與訓練樣本數據之間的內在關系，提出了一種能有效地減少候選點的方法，降低了規(guī)則提取問題規(guī)模和后續(xù)優(yōu)化的復雜度，提高算法尋優(yōu)效率。最后將結合局部搜索