改進(jìn)的蟻群聚類算法在森林火災(zāi)預(yù)測(cè)中的應(yīng)用研究.pdf

1、分類號(hào)丁p311學(xué)校代碼10147UDC004密級(jí)公開(kāi)碩士學(xué)位論文改進(jìn)的蟻群聚類算法在森林火災(zāi)預(yù)測(cè)中的應(yīng)用研究APPlicationresearehofimProvedantcolonyclusteringalgorithminforestfireforeeasting作者姓名指導(dǎo)教師申請(qǐng)學(xué)位學(xué)科專業(yè)研究方向劉芳李義杰教授工學(xué)碩士計(jì)算機(jī)軟件與理論數(shù)據(jù)庫(kù)理論及應(yīng)用遼寧工程技術(shù)大學(xué)摘要本文針對(duì)K一means算法容易出現(xiàn)局部最優(yōu)的缺點(diǎn)，引入了

2、一種改進(jìn)的種群分類蟻群算法ICACA(ImprovedCharaeter一baseAntColonyAlgithm)對(duì)其進(jìn)行優(yōu)化。蟻群算法采用了正反饋的原理，而且是一種本質(zhì)上并行的算法，具有很強(qiáng)的發(fā)現(xiàn)較好解的能力，不容易陷入局部最優(yōu)，這可以有效的彌補(bǔ)K一means算法容易陷入局部最優(yōu)的缺陷。本文提出的ICACA算法是在基本蟻群算法中，引入了種群分類和螞蟻的感覺(jué)知覺(jué)特性，使得蟻群最大可能的尋找最優(yōu)解，有效的避免了局部最優(yōu)的可能。用這種改進(jìn)

3、的蟻群算法來(lái)優(yōu)化K一means算法，建立了改進(jìn)的蟻群聚類模型，并通過(guò)仿真實(shí)驗(yàn)，證明了該算法能有效阻止K一means算法在聚類過(guò)程中出現(xiàn)的停滯和局部最優(yōu)現(xiàn)象，從而更好地達(dá)到全局最優(yōu)的目的，使聚類的整體性能達(dá)到優(yōu)化。將改進(jìn)的算法應(yīng)用于森林火災(zāi)的預(yù)測(cè)中，由于森林火災(zāi)數(shù)據(jù)維度大，數(shù)據(jù)值大，計(jì)算起來(lái)比較復(fù)雜。而K一means算法的實(shí)現(xiàn)過(guò)程簡(jiǎn)單，算法的時(shí)間復(fù)雜度低，正是森林火災(zāi)預(yù)測(cè)的首選方法。改進(jìn)的蟻群聚類算法，在時(shí)間復(fù)雜性和聚類準(zhǔn)確性之間達(dá)到了很