多蟻群算法在化學(xué)模式分類器優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf

1、模式分類是許多工程領(lǐng)域廣泛應(yīng)用的一種關(guān)鍵技術(shù)，如：自控監(jiān)測(cè)、圖像識(shí)別、故障診斷、物料配制、醫(yī)療診斷等。經(jīng)典的模式分類方法主要是基于多元統(tǒng)計(jì)分析方法，后來(lái)興起的人工神經(jīng)網(wǎng)絡(luò)技術(shù)也逐漸成為模式分類的有效工具。這兩類方法各有所長(zhǎng)，多元統(tǒng)計(jì)分析方法計(jì)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(jīng)網(wǎng)絡(luò)技術(shù)表達(dá)能力強(qiáng)，適用范圍廣，但網(wǎng)絡(luò)設(shè)計(jì)困難，訓(xùn)練費(fèi)時(shí)，還存在局部極值等缺點(diǎn)。 隨著科學(xué)計(jì)算的不斷發(fā)展，問題搜

2、索空間的不斷擴(kuò)大，搜索空間變得越來(lái)越復(fù)雜。傳統(tǒng)的用于模式分類的方法通常與種群規(guī)模、參數(shù)的選擇、問題的復(fù)雜程度等因素有關(guān)，當(dāng)種群規(guī)模較大、參數(shù)較復(fù)雜、搜索空間巨大時(shí)，很多優(yōu)化算法通常需要花費(fèi)很長(zhǎng)的計(jì)算時(shí)間，卻無(wú)法得到滿意的結(jié)果。 本文通過(guò)分析蟻群優(yōu)化算法和其它一些優(yōu)化算法的優(yōu)缺點(diǎn)，深入了解待優(yōu)化問題本身的特性，提出了結(jié)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(shí)際模式

3、分類問題的試驗(yàn)結(jié)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(yīng)用潛力。 本文的主要研究結(jié)果如下： 1.本文將蟻群優(yōu)化算法用于化學(xué)模式分類器的設(shè)計(jì)。常用的模式分類方法中，統(tǒng)計(jì)分析要求數(shù)據(jù)遵從一定的分布，神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練存在較多困難，支持向量機(jī)的超參數(shù)也較難設(shè)定。因此本文嘗試用蟻群算法對(duì)化學(xué)模式分類器的設(shè)計(jì)進(jìn)行優(yōu)化，對(duì)取自UCI數(shù)據(jù)庫(kù)樣本分類結(jié)果表明：基于蟻群算法構(gòu)建的化學(xué)模式分類器規(guī)則數(shù)少、簡(jiǎn)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(shí)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(jié)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(guò)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(duì)樣本分類結(jié)果表明，多蟻群優(yōu)化算法有較強(qiáng)的全局和局部尋優(yōu)能力，由其構(gòu)成的化學(xué)模式分類器不但具有基本群蟻群優(yōu)化算法的優(yōu)點(diǎn)，而且在尋優(yōu)時(shí)間、預(yù)報(bào)準(zhǔn)確率等性能方面有所提升。

5、3.在連續(xù)樣本數(shù)據(jù)的模式分類問題中，針對(duì)蟻群優(yōu)化算法的離散化本質(zhì)，通過(guò)選擇適當(dāng)?shù)姆诸愐?guī)則表達(dá)式與評(píng)價(jià)函數(shù)，利用從屬性值域中提取出的候選閥值(點(diǎn))，將規(guī)則學(xué)習(xí)問題轉(zhuǎn)換為組合優(yōu)化問題，進(jìn)而采用結(jié)合局部搜索、信息素交換策略的多蟻群優(yōu)化算法進(jìn)行規(guī)則學(xué)習(xí)。 4.通過(guò)深入分析分類規(guī)則表達(dá)式和評(píng)價(jià)函數(shù)與訓(xùn)練樣本數(shù)據(jù)之間的內(nèi)在關(guān)系，提出了一種能有效地減少候選點(diǎn)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(fù)雜度，提高算法尋優(yōu)效率。最后將結(jié)合局部搜索